基于Adaboosting_SVM算法的多特征蛋壳裂纹识别

来源：华中农业大学学报杂志2015年第2期北京时间：

作者：熊利荣

摘要：以无裂纹蛋和裂纹蛋为测试对象，采用机器视觉技术和支持向量机等技术手段，分析无裂纹蛋和裂纹蛋在图像上的差异，提取特征参数，实现蛋壳裂纹的自动识别; 针对蛋壳表面的亮斑，对预处理后的图像运行消除亮斑算法并进行区域标记。在此基础上，从5个不同视角提取13个能够表征无裂纹蛋和裂纹蛋的特征参数，分别是图像标记区域参数（区域标记数和标记点数）、几何特征参数（长轴和短轴）、基于Freeman链码的形状参数（形状数）、纹理特征参数（均值、标准偏差、平滑度、三阶矩、一致性、熵）和频谱特性参数（最大幅值和最大相位）。采用Adaboosting算子对上述特征参数进行优化，突出影响因子较大的参数组合，作为SVM的输入向量，建立蛋壳裂纹的识别模型。结果表明：该方法对蛋壳表面的亮斑、微小裂纹及普通裂纹均具有识别能力，模型正确率达97.5%，符合蛋品企业对蛋壳裂纹检测的精度要求。

关键词：蛋壳; 裂纹; 机器视觉; 支持向量机

基金资助：国家自然科学基金项目（51105160）; 华中农业大学博士启动基金项目（52902-0900206027）