文档介绍：胡萝卜开裂检测算法
• LBP+SVM 算法：
算法描述：
LBP+SVM对胡萝卜开裂检测算法的主要思想是，首先，利用LBP对开裂 胡萝卜与非开裂胡萝卜进行特征提取，将提取的特征利用svm对提取的 特征进行训练和识别；
算法步骤描述胡萝卜开裂检测算法
• LBP+SVM 算法：
算法描述：
LBP+SVM对胡萝卜开裂检测算法的主要思想是，首先，利用LBP对开裂 胡萝卜与非开裂胡萝卜进行特征提取，将提取的特征利用svm对提取的 特征进行训练和识别；
算法步骤描述：
1）首先，对胡萝卜进行预处理，主要通过加权的方式对胡萝卜的背景 进行去除；、-、-， 可得到较好的处理效果，具体计算如下述公式所示：
Gray = * R — * G — * B
上述公式中，gray为去除背景后的胡萝卜的灰度图像，R、G、B分 别为RGB图像的三个颜色通道图像，即为R通道图像、G通道图像、
B通道图像；
处理效果如下图所示：
2）对提取出的胡萝卜进行LBP特征提取，主要釆用LBP圆形算子对胡 萝卜进行LBP特征的提取，当LBP圆形算子的半径为1,领域为12 时，可以对胡萝卜的表面纹理特征进行准确的描述，如下图所示： 对非开裂胡萝卜的纹理特征的描述，如下图所示：
对开裂胡萝卜的描述，如下图所示:
3) Svm釆用径向基函数作为激活函数，,惩罚因子C取
，svm对训练集的识别准确率为100%,但对测试集的识别准 确率为：70%,具体情况，详见数据统计表。
算法准确率统计
根据现有算法，对胡萝卜的准确率的统计如下所述，共采集了 200个样
本，表面有裂纹的胡萝卜与表面没有裂纹的胡萝卜各100个，在两组各
100个样本中，各取95个作为训练集，剩余的5个做为测试集，其中,
训练集的识别准确率为100%,测试集的准确率为70%,具体数据如下表
所述：
训练集
测试集
开裂
非开裂
开裂
非开裂
数量
95
95
5
5
正确
95
95
2
5
错误
0
0
3
0
准确率
100%
100%
40%
100%
整体准确率
100%
70%
算法分析
1）算法识别效率低的原因分析
根