研究目的
研究利用双层脉冲耦合神经网络(PCNN)模型,在光照变化和复杂背景下开发稳健的猕猴桃检测分割算法。
研究成果
所提出的双层PCNN模型能在光照变化和复杂背景下准确分割成熟猕猴桃目标,平均误分类率仅为4.75%。未来工作包括优化算法并将其应用扩展至更具挑战性的水果目标。
研究不足
由于猕猴桃表面不光滑和存在黑斑,分割后的猕猴桃对象上会出现孔洞和小面积错误分割块。融合步骤中的参数λ会影响分割质量,该参数通过实验确定。
研究目的
研究利用双层脉冲耦合神经网络(PCNN)模型,在光照变化和复杂背景下开发稳健的猕猴桃检测分割算法。
研究成果
所提出的双层PCNN模型能在光照变化和复杂背景下准确分割成熟猕猴桃目标,平均误分类率仅为4.75%。未来工作包括优化算法并将其应用扩展至更具挑战性的水果目标。
研究不足
由于猕猴桃表面不光滑和存在黑斑,分割后的猕猴桃对象上会出现孔洞和小面积错误分割块。融合步骤中的参数λ会影响分割质量,该参数通过实验确定。
加载中....
您正在对论文“一种基于双层脉冲耦合神经网络模型的猕猴桃检测图像分割算法”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期