基于多角度多区域特征融合的苹果分类方法

摘要 日常生活中人们分拣辨别不同种类的苹果需要消耗大量的人力物力，为解决这一问题，提出了一种基于多角度多区域特征融合的苹果图像分类方法。首先，收集五类总共329个苹果，使用手机摄像头从上面、下面和3个不同侧面共五个角度采集每个苹果的图像，每个图像裁剪若干个（1~9）区域块；其次，每个区域块用颜色直方图向量来表示，多个区域块的直方图向量通过首尾相连进行融合，以此生成一个图像的表示；最后，将得到的329个样本数据用12种分类器进行分类比较。实验结果表明，当多角度多区域图像特征融合时，分类效果总是好于单角度单区域，而且越多越好；当使用5个角度的图像，每个图像裁剪9个区域时，偏最小二乘（PLS）分类器的分类精度达到97.87%，好于深度学习。所提方法操作简单、精度较高，算法复杂度为4n，n为图像裁剪区域块总数，可以推广成手机应用，并应用到更多水果和植物图像分类上