基于机器学习算法的食用菌分类识别研究

摘要

为建立食用菌图像识别模型,该研究以五种常见的食用菌菇(白玉菇、海鲜菇、蟹味菇、白蘑菇、香菇)为对象,利用图像采集系统分别对五种菌菇采集70幅图像,经图像处理后提取5个形态特征(面积、周长、矩形度、宽长比、圆形度)、6个颜色特征('R、'G、'B、H、S、V)和4个纹理特征(角二阶矩、能量、对比度、熵),共计15个特征数据.采用支持向量机(Support vector machines,SVM)、随机森林(Random forest,RF)和卷积神经网络(Convolutional neural networks,CNN)构建识别模型,以全特征、形态特征、颜色特征、纹理特征分别对五种菌菇进行建模和验证.结果表明:RF模型在建模和预测精度上高于SVM模型,且以全部特征构建模型识别结果最佳,可作为构建食用菌图像数据库的识别模型.