高级检索
为了能够达到实时、高效,并且同时对多种水果进行识别与分类,设计了一种多模板匹配算法。 该算法的设计主 要包括了形状特征提取、特征与模板数据库的匹配、识别与分类。 特征提取的过程包括了图像处理的灰度化、均值滤波、 Sobel 边缘检测、梯度统计、归一化等一系列模块。 以水果的形状特征来构建一个多模板数据库,将所需识别的水果与模板 数据库进行匹配与分类。 以紫光同创的 PGL22G-6MBG324 产品搭建的实时图像处理平台,利用现场可编程逻辑门阵列 (field programmable gate array,FPGA) 的流水线以及并行处理结构的优点,实现了多模板匹配算法。 对 FPGA 实现的算法 选取了芒果、香蕉、苹果、猕猴桃四种水果进行了测试。 识别与分类的时间在 12. 10 ms 内,在固定位置的识别准确率可达 98% 以上。 与一些神经网络的算法进行对比,具有较高的实时性。 并且测试了该算法受光照、平移、缩放、微旋的影响较 小。 结果表明该算法具有实时性、有效性、稳定性。
[实时, 识别与分类, 多模板匹配算法, 流水线, 稳定性]
[陈钧, 周井泉, 程家文, 谷文成]
为了能够达到实时、高效,并且同时对多种水果进行识别与分类,设计了一种多模板匹配算法。 该算法的设计主 要包括了形状特征提取、特征与模板数据库的匹配、识别与分类。 特征提取的过程包括了图像处理的灰度化、均值滤波、 Sobel 边缘检测、梯度统计、归一化等一系列模块。 以水果的形状特征来构建一个多模板数据库,将所需识别的水果与模板 数据库进行匹配与分类。 以紫光同创的 PGL22G-6MBG324 产品搭建的实时图像处理平台,利用现场可编程逻辑门阵列 (field programmable gate array,FPGA) 的流水线以及并行处理结构的优点,实现了多模板匹配算法。 对 FPGA 实现的算法 选取了芒果、香蕉、苹果、猕猴桃四种水果进行了测试。 识别与分类的时间在 12. 10 ms 内,在固定位置的识别准确率可达 98% 以上。 与一些神经网络的算法进行对比,具有较高的实时性。 并且测试了该算法受光照、平移、缩放、微旋的影响较 小。 结果表明该算法具有实时性、有效性、稳定性。
[实时, 识别与分类, 多模板匹配算法, 流水线, 稳定性]
[陈钧, 周井泉, 程家文, 谷文成]
192会员权益
为了能够达到实时、高效,并且同时对多种水果进行识别与分类,设计了一种多模板匹配算法。 该算法的设计主 要包括了形状特征提取、特征与模板数据库的匹配、识别与分类。 特征提取的过程包括了图像处理的灰度化、均值滤波、 Sobel 边缘检测、梯度统计、归一化等一系列模块。 以水果的形状特征来构建一个多模板数据库,将所需识别的水果与模板 数据库进行匹配与分类。 以紫光同创的 PGL22G-6MBG324 产品搭建的实时图像处理平台,利用现场可编程逻辑门阵列 (field programmable gate array,FPGA) 的流水线以及并行处理结构的优点,实现了多模板匹配算法。 对 FPGA 实现的算法 选取了芒果、香蕉、苹果、猕猴桃四种水果进行了测试。 识别与分类的时间在 12. 10 ms 内,在固定位置的识别准确率可达 98% 以上。 与一些神经网络的算法进行对比,具有较高的实时性。 并且测试了该算法受光照、平移、缩放、微旋的影响较 小。 结果表明该算法具有实时性、有效性、稳定性。
显示全部共0条评论
京公网安备 11010802032778号
评论
共0条评论