基于机器视觉和GA-BPNN的河的质量分级
Han Wang1, Hong Zhu2, Lishuai Bi1
1College of Engineering, Nanjing Agricultural University, No. 40 Dianjiangtai Road, Pukou District, Nanjing 210031, China.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
这项研究引入了一种改进的BP神经网络模型,使用遗传算法进行精确的河质量分级. 该方法实现了92.7%的平均分类准确度,为产业带来了更多的经济效益.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 工程 工程师 工程师 工程师
背景情况:
- 市场价格因质量而有很大差异,需要精确的内部质量识别和分类.
- 目前的手动和基于重量的分类方法不足以满足产业的机械化和智能化需求.
研究的目的:
- 开发一个自动化和智能化的系统来分类河的质量.
- 通过精确的分类,提高产业的经济效益.
主要方法:
- 改进的BP神经网络模型与遗传算法集成,用于质量分级.
- 输入变量包括性别,肥胖度,体重和外颜色,性别,肥胖度和外颜色来自图像处理,体重来自负载单元.
- 机器视觉技术用于图像预处理和从图像中提取特征.
主要成果:
- 开发的模型实现了质量分级的平均分类准确率为92.7%.
- 结合的遗传和反向传播算法成功确定了模型的最佳值和重量值.
- 实验结果证明了该方法在分类和分类的效率和准确性.
结论:
- 拟议的基因算法改进的BP神经网络模型为自动化质量分级提供了有效的解决方案.
- 这种智能分类方法满足了市场需求,并有可能显著提高养殖业的经济效益.
