基于DeepLab-V3和改进KNN的多特征融合苹果分级  

作　　者：王迎超 张洚宇 李娜 秦立浩 马玉花 孔令康 

机构地区：[1]新疆科技学院,新疆巴音郭楞蒙古自治州841000

出　　处：《电脑编程技巧与维护》2023年第11期40-42,116,共4页Computer Programming Skills & Maintenance

摘　　要：为准确实现多特征融合的苹果分级,提出了一种基于DeepLab-V3和改进K近邻算法(KNN)的多特征融合苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权及改进的KNN分级模型。借助均值滤波算法和亮度均衡化操作改善苹果图像质量;输入到DeepLab-V3分割模型进行背景分割;分割完成后依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;将特征数据输入到改进的KNN模型中完成苹果的分级定等。对400个定好等级的苹果进行分级测试,准确率达到91.75%,验证了该方法的可行性与准确性。

关 键 词：DeepLab-V3模型 改进KNN 多特征融合 苹果分级 

分 类 号：S661.1[农业科学—果树学] TP391.41[农业科学—园艺学]