机构名称：
¥ 1.0
高光谱成像和人工神经网络（ANN）的结合可以预测果实的成熟度。这项工作调查了使用K折的交叉验证方法的高光谱成像和ANN模型的应用，用于成熟度预测油棕新鲜水果束（FFB），以进行内部分类和分级机器视觉。粗棕榈油（CPO）是印度尼西亚和马来西亚等国家的出口商品。油棕FFB成熟度决定了CPO的质量。FFB的独特形状和颜色需要创新的方法来代替繁琐而繁琐的手动分类和分级。这项研究中使用的油棕FFB样品先前是根据颜色和果实的果实分类的。，我们在用于ANN模型和混淆矩阵之前，应用了高光谱数据集的Savitzky-Golay（SG）平滑滤波器和7倍的交叉验证，以找到ANN模型的精度。我们从523个数据点中获得了SG过滤器后的72个数据点。预测结果显示平均准确度为79.48％，其中三个折叠为2、5和7的倍数给出了90％的最高精度。结果证实了高光谱成像的潜在用途，k折交叉验证和ANN模型以进行油棕FFB的成熟度预测。
Telkomnika电信计算电子和控制
主要关键词
相关文件推荐
