外文翻译.pdf

10评估不同的模式识别,苹果的技术分类文章历史金冠苹果苹果使用参数和非参数分类器分类为三个质量类。苹果的特征用于分类是色相角颜色,形状缺陷,周长、坚定、体重、脸红百分比红色自然景点表面的苹果,黄褐色天然网状的表面形成一个苹果,瘀伤内容和数量的天然缺陷。不同的特性集包括4、5九个功能也测试找出最好的分类和特性集组合一个最优分类成功。使用不同的特性集和分类器的影响对分类性能的影响。功能设置包括五个功能结果略好分类特性集包括相比一般4和9个特性。当分类器相比,它是确定的多层感知器神经网络产生最高的分类结果90而1NEARESTNEIGHBOUR和2NEARESTNEIGHBOUR分类器分类器8111分类成功。3NEARESTNEIGHBOUR和决策树分类器导致相似的分类成功7556。决策规则的参数插件分类导致最低分类成功。主成分分析和线性判别分析技术应用于训练数据和9,5和4个特性来想象三个质量类的分离度苹果。由于这个应用程序,一些改进观察分离的三个质量类使用四个输入特征到9特性尤其是使用主成分虽然有些重叠的类之间仍然存在。罗ETAL,1999,在这两项研究,非参数分类方法更好的COM执行缩减统计方法虽然没有的区别重要的马铃薯分类研究KIRSTENETAL,1997。KIMETAL2000应用线性和非线性识别模型分类的水果。各种特征提取和降维技术进行从可见光和近红外的光谱数据光谱。线性模式识别技术,如线性的判别分析LDA和非线性的技术基础多层感知器MLP是用于分类产品。在结果中,非线性方法生产更好的分类结果。PENZAETAL2001使用模式识别技术问题分类的食物,饮料和香水。往下,CESSFUL结果与主成分分析和聚类分析方法。LEEMANSETAL2002开发了一个在线水果分级苹果的系统基于外部质量特征使用二次判别分析和得到。这两个分级算法导致类似的结果79和72两个品种进行了研究。同样,HAHNETAL2004用判别分析和得到检测根霉使用光谱反射率STOLONIFER孢子在西红柿。判别分析的神经网络分类器的表现方法。3材料和方法1331数据采集9个特性测量从金冠苹果苹果。这些是色相角颜色、形状缺陷、圆周、重量、脸红红色表面自然景点苹果的百分比,黄褐色自然形成网状的表面上的一个苹果,瘀伤的内容和数量天然的缺陷。坚定用磁石测量STAYLORMT试验机应用一个11毫米直径的调查一个8毫米深度EFFEGIMCCORMICK,YAKIMAFT327。色彩是使用CR200美能达色度计测量L的域,A和B,其中L是明度和因素和B的色度坐标OZERETAL,1995。的色相角TAN1B/A,这是用来表示颜色的苹果,被证明是最好的人类的代表识别的颜色HUNGETAL,1993。的大小在苹果表面缺陷自然和瘀伤是阻止开采使用一种特殊的图模板,它由一个不同直径的孔数。此外,一个形状缺陷不平衡是衡量使用MITUTOYA电子卡尺MITUTOYA公司和的比值苹果的最大高度的最小高度。的使用克兰顿最大周长测量周长测量装置克兰顿机械有限公司。体重测量使用电子秤型号CT1200S序列号3403、容量1200701G。编程在MATLAB进行了分类。32数据收集和行动处理苹果的数量用于确定每个类可用性的基础上专门设置了苹果，为本研究收集的苹果。苹果总数为181其中包括坏三类（三级）、中（2）和（1类）的质量。模式矩阵的大小为9九，其中181代表的功能。八十年的苹果被保存在房间温度为4天后收获而另一个80年保存在一个冷却器约31C为同一时期,没有应用任何质量预先创建的颜色变化苹果的表面。此外,21岁的苹果收获别人,之前一直在15天室温的目的是创建一个变化苹果的外观进行测试。苹果被划分等级首先由人类专家,然后分类算法开发。专家在外部培训苹果质量标准为好、中、坏苹果组由美国农业部标准美国农业部,1976。美国农业部苹果质量标准明确定义质量标准这是非常简单的一个专家跟踪和应用它们。非常大的或小的苹果已经由经办人员排除在外。苹果是由人类专家评分分为三个品质小组根据专家的经验,期望和美国农业部标准美国农业部,1976。苹果的数量确定了每个质量组由人类专家表1中给出。三班的低数量的苹果提供了一个不利的局面。同一组的苹果分类中使用模糊逻辑之前的研究KAVDIR训练数据被转换使用线性判别分析和主成分分析,然后首先2线性判别变量2和第一主成分是质量策划组G,好1级质量苹果M,介质二班质量苹果B,坏3班质量苹果。图23质量的可视化类二维预测苹果的五维的特征空间,训练数据被转换使用线性判别分析和主成分分析,然后第一个2线性判别变量2和第一主成分是质量策划组G1级质量好苹果M,介质二班质量苹果B,坏3班质量苹果。17图33类的苹果质量的可视化的二维投影NINEDIMENSIONAL特征空间训练数据被转换使用线性判别分析和主成分分析,然后首先2线性判别变量2和第一主成分是质量策划组G,好1级质量苹果M,介质二班质量苹果B,坏3班质量苹果。333。KNEARESTNEIGHBOUR事例分类器近邻分类器是一种非参数抚慰心灵菲尔不做任何假设的形式条件类的密度和分配模式的标签最多再样品中表示训练集ALCHANATISETAL,1993。K代表了最近的邻居。分配测试模式类,整个训练数据,即之间的距离测试模式和每个训练模式测量。虽然训练的分类器非常简单,它需要大量的计算机内存,因为它必须保持信息的每个样本训练集,不同的指标用于衡量之间的相似性模式。采用欧氏距离来衡量的在这个研究之间的距离相似性模式。在1NN分类器,测试模式被分配到类,含有最接近的模式培训测量模式测试。同时,2NN和3NN分类器进行了测试,在这些分类器,模式被分配到班上大多数的模式中事例。当每一个近邻模式培训从一个不同的类在2NN3NN分类器,测试模式被分配到类最接近成员的测试模式,即1NN分类过程应用在每个近邻模式从一个吗不同的质量类2NN3NN分类器。的欧氏距离表示如下2112,DJKIEXXKID（9）在D的数量特征,欧几里得距离DE我和K指数之间的模式,X的位置测试模式和XK是训练模式的位置。334。决策树分类器DT非参数和层次DT分类器由分裂的训练数据的子集后代的子集。使用二叉树结构的形成生成的DTSPLUSVENABLES使用的数量输入层神经元是4、5和9所有的特性测量,分别对三个不同的组特性图4在第一和神经元的数量第二个隐藏层是8和4个,分别为隐藏层和神经元的数量基于试验和错误隐藏层被选中。实验开始时先使用一个隐藏层,使用不同数量的神经元。后,尝试和错误实验持续使用两个隐藏层神经网络的结构与不同数量的神经元在里面。8第一隐层神经元和四个神经元在第二个隐藏层产生最优的结果相比其他的试验和错误的实验找得到的最优结构。一个非线性“传递函数”传递函数是用于隐藏层。一个神经元与一个线性输出层中使用传递函数,“线性函数”。不同类型的功能试验和错误的过程中使用找到最优函数是有效的分类成功神经网络结构。“线性函数”是最有效的输出神经元。值为025和00025,分别选中学习速率和动量系数的基础试验和错误。迭代的最大数量培训是设置为3000。错误率收敛CRITE铁正是由于NNS停止学习的是002。NNS工具箱中使用MATLAB来实现分类器HOWARD前,改善分类结果可以预期多个输入特性使用NINEFEATURED的情况设置在NNS分类器的输入。然而，使用一五精选子集MLPNNS产生分类的性能（8889）接近，采用一九精选子集MLP。事例分类器1NN2NN和3NN中的延时神经网络分类器的分类成功的录制功能表2。最优的特性集分类器是五精选输入设置导致特别是1NN和2NN最高分类成功分类器。增加K值大于三个没有有助于进一步改善事例分类器的性能。DT分类器,只有四个子集,执行一样或者不如事例一般分类器表2。插件的统计分类器决策规则执行相同的722259中输入集表2,而其性能较低的四个输入组6778,表2。散点图的两个线性判别变量和前两个主成分的观察三种不同的特性集的训练集所示无花果。13。虽然有一些分离的类使用前两个判别变量和前两个主成分,也有一些重叠类。然而,这似乎是一个轻微的改善类的分离提高使用的特性从四个使用9。三班的区别清晰当9个特性被用来代替四个或五个特性。43。评价分类结果通过混淆矩阵当混淆矩阵表3调查,它可以被视为最好的分类也是执行的延时NNS分类器。神经网络分类器,使用所有9提供最好的特性分类表3,只有两个64年的苹果是更进一步的第一课,而六个22个苹果是第二类分类错误的。虽然只有四个测试模式可用于类三个,三个正确分类,分类错误的测试模式测试模式被分配到邻居二班。有低数量的样本类三是有害的情况造成培训质量差,因此贫穷的性能。向MLP神经网络分类器,使用5个输入特性产生了第二个最佳分类结果表264年这三个测试样本在第一节课,22日的第二个类和一个四的第三类错误分类表3。1NN和2NN分类器使用五个功能表现最好的神经网络分类器后表2。在这22些分类器,64年苹果被错误归类到邻居类。第二课,另一方面,11苹果被正确分类,而七个苹果被误诊为一班和四个苹果被误诊到3班表3。第三类,两个苹果正确分类,两个苹果,一个1级和其他二班,都被误诊。使用五个特性的情况下,20的苹果在一班被错误归类到分类与一个插头在二班吗决策规则分类器表3。只有一个苹果被误诊为一班的22个苹果在二班是不是所有的苹果在3班二班。DT分类器的分类三的64个苹果类为类（表3）。在二级七的苹果被误判为类，八个苹果被误判为三级。最后，在三级所有的苹果都被误分为类和类。苹果3班没有正确分类使用PDR、3NN和DT分类器。数量少的训练模式这个类可以误分类的原因对表1。苹果同样采用模糊逻辑技术在以前的研究中的分类（2003KAVDIR和盖伊，）造成约89的分类成功。5结论苹果如硬度、尺寸、重量、形状缺陷、颜色、腮红的百分比，锈斑的质量特征，测量和使用的参数和非参数的分类，如插决策规则，1是擦伤和自然缺陷的尺寸大小，2和3的邻居，决策树和神经网络（NNS）对确定一个可行的方法匹配特征集和最优的分类器的分类结果。当不同的特性集被用于不同的抚慰菲尔,色彩的特性集包含五个特征,坚定、形状缺陷,重量和赤褐色的产生最优分类训练相比更少的时间NINEFEATURED输入集和更高的分类结果一般来说,除了使用九特性的神经网络分类器。神经网络分类器使用中的所有9个特征输入设置产生最高的分类结果90在所有应用程序测试。这个分类得到的成功显示了非线性映射中,他们表现得更好当输入模式和输出类之间的关系他们有更多的输入。在分类性能方面,1和2NEAREST邻居分类器,特别是使用5个输入特性,产生最好的结果后,神经网络分类器使用9个,五个,四个输入功能。决策树使用四个特性和3近邻分类器使用四和五个特性随后NNS和12最近的邻居分类器分类方面的成功。插件的决策规则,参数分类器,在最低了吗在所有的分类器分类23成功。当阴谋用来想象的色散模式三个质量类使用主成分分析和研究了线性判别分析,似乎有一些改进的分离类,从4个增加的数量特征9个特性。低数量的样本,尤其是三班,是一个限制因素负面影响的表现分类器。然而,尽管低数量的训练类三个样本,神经网络分类器是成功的分类的大部分测试这个类的样本到右边类。一起得到,12最近的邻居分类器是最成功的分类器分配测试模式到正确的类。使用更多的培训数据可能会进一步提高分类器的性能。6参考文件ALCHANATISVPELEGKZIVM1993。组织文化的分类段的颜色机器视觉。农业工程研究,55岁,299311CHENYRNGUYENMPARKB1997。提高性能的神经网络分类器的输入数据预处理主成分分析。ASAE纸没有。973050HAHNFIRINEOLHERNANDEZG2004。光谱检测、匍枝根霉孢子红色的西红柿的神经网络辨识。生物系统工程，89，93，99HOWARDDBEALEM1992。神经网络工具箱。数学纳蒂克公司工作HUNGYCMORITAKSHEWFELTRRESURRECCIONAVAPRUSSIAS1993。颜色评价苹果。ASAE纸没有。936541KAVDIRIGUYERDE2003。苹果分级使用模糊逻辑。土耳其农业和林业,27岁,375382KIMJMOWATAPOOLEPKASABOVN2000。线性和非线性水果的分类模式识别模型可见近红外光谱。化学计量学和智能实验室系统,51岁,201216KIRSTENJTYGESENKTKESMIRCSKOVGAARDIMSONDERGAARDI1997。通过比较电泳聚焦模式，马铃薯品种分类的神经网络和统计方法。农业食品化学学报，45，158，161LEEMANSVMAGEINHDESTAINMF2002。网上水果分级根据其外部使用机器视觉质量。生物系统工程,83,397404LUOXJAYASDSSYMONSSJ1999。统计和比较神经网络分类方法使用谷物机器视觉。ASAE事务,422,41341924MILLERWMTHROOPJAUPCHURCHBL1998。