[发明专利]基于机器学习的草莓成熟度快速判别方法

权利要求书

1.一种基于机器学习的草莓成熟度快速判别方法，其特征在于：采用不同成熟度的草莓样本图像作为数据集，并提取颜色特征训练用于预测草莓成熟度的机器学习分类模型；并通过训练获得的分类模型进行待测草莓样本成熟度快速判别。

2.根据权利要求1所述的基于机器学习的草莓成熟度快速判别方法，其特征在于，包括以下步骤：

步骤S1：选择不同成熟度的草莓作为样本；

步骤S2：将不同成熟度的草莓置于暗箱中拍照，将获取的图像作为原始数据集；

步骤S3：对草莓的原始图像进行分割，实现背景与目标分离；

步骤S4：提取预处理后草莓样本图像的颜色特征；

步骤S5：基于步骤S4获得的特征信息，以此建立用于预测草莓成熟度的机器学习分类模型；

步骤S6：基于步骤S5建立的分类模型，对待测草莓样本进行成熟度判别。

3.根据权利要求2所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S2中，对待测草莓样本的成熟度依据着色面积分为四个阶段：绿熟期、白熟期、转色期和红熟期。

4.根据权利要求2所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S3中，基于颜色直方图对草莓图像进行分割，将原始数据全部转换为B分量图像，设置分割阈值为100，以实现背景与目标分离。

5.根据权利要求2所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S4中，提取分割图像在RGB颜色模型中的R、G、B分量的均值和标准偏差；之后将RGB模型分别转成HSV颜色模型和Lab颜色模型，采用同样的方法提取H、S、V分量的均值和标准偏差，L、a、b分量的均值和标准偏差，共18个特征变量。

6.根据权利要求2所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S5中，建立的机器学习分类模型为：线性判别分析模型或K近邻学习模型。

7.根据权利要求2所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S5中，建立的机器学习分类模型为支持向量机模型。

8.根据权利要求7所述的基于机器学习的草莓成熟度快速判别方法，其特征在于：在步骤S6中，对待测草莓进行成熟度判别的过程为：

取待测草莓样本，置于暗箱中拍摄照片，将照片进行分割与特征提取，最后将草莓的特征信息输入训练好的SVM模型，SVM模型预测出该待测草莓样本属于哪个成熟阶段，并将其作为输出。