换一批摘要碎米作为大米加工过程的常见产物,常会对产品的口感、味道产生影响,因此针对整米中碎米的有效筛分尤为重要.针对上述问题,该文建立基于大津法(maximal variance between clusters,OTSU)图像分割算法的逻辑回归模型用以检测整米中的碎米.将检测结果与国标法进行对比,结果表明逻辑回归模型的曲线线下面积(area under the curve,AUC)值为0.987,柯尔莫可洛夫-斯米洛夫(Kolmogorov-Smirnov,KS)值为0.909,0.5为最佳阈值;而国标法的AUC值为0.922,KS值为0.669,21为最佳阈值.该文所建立的逻辑回归模型的准确率、精确率、召回率及F1分数均高于国标法.此外,逻辑回归模型的AUC值比国标法的AUC值更接近于1,KS值也更高,表明逻辑回归模型能够更好地区分碎米与整米.长轴(x1)、面积(x2)、短轴(x3)与长短轴比(x4)4个特征参数都是模型中具有显著影响的因素,对应的线性关系为 z=-139.97-5.35x1+10.93x2+2.86x3+34.59x4.
更多相关知识
关键词
大米碎米筛分计算机视觉大津法(OTSU)图像分割食品智能检测ricescreening of broken ricecomputer visionOTSU algorithmimage segmentationintelligent detection of food
栏目名称
DOI
10.12161/j.issn.1005-6521.2023.20.024
发布时间
2023-11-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82202246）
广东省自然科学基金面上项目（2022A1515011520）
- 浏览5
- 被引12
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
