胡种子的分类通过机器学习使用颜色过器阵列图像
Kani Djoulde1,2, Boukar Ousman2, Abboubakar Hamadjam1
1Laboratory of Analysis, Simulations and Tests (LASE), Department of Computer Engineering, University Institute of Technology, The University of Ngaoundéré, Ngaoundéré P.O. Box 455, Cameroon.
Journal of imaging
|February 23, 2024
概括
这项研究使用图像处理和机器学习对Penja胡种子进行了分类. 一个支持向量机器模型实现了87%的准确性,使有价值的胡品种的差异化.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 来自喀麦隆的潘贾胡 (Piper nigrum) 是一种高价值,备受追捧的香料,仅凭种子外观就很难从其他品种中区分出来.
- 准确的胡品种分类对于市场价值和质量控制至关重要,这对传统的识别方法构成了挑战.
研究的目的:
- 开发和评估一种自动化方法,使用彩色波器阵列 (CFA) 图像来分类Penja胡种子.
- 用图像处理和监督机器学习来区分白色和黑色Penja胡种子和其他品种.
主要方法:
- 收集了5618个胡种子样本,包括Penja白色和黑色品种.
- 利用图像处理技术从色彩过器阵列 (CFA) 图像中提取18个不同的属性.
- 训练并比较了四个监督机器学习模型,包括一个支持矢量机器 (SVM).
主要成果:
- 支持矢量机 (SVM) 模型在分类胡种子方面表现出卓越的性能.
- SVM模型的分类准确度为0.87,精度,回忆和F1得分都在0.874.4左右.
结论:
- 图像处理与机器学习相结合,特别是SVM,提供了一种有效的方法来分类胡种子.
- 这种自动化方法可以帮助区分有价值的胡品种,如Penja胡,支持质量保证和市场完整性.


