基于有色金屬破碎料的外觀差異，利用機器視覺代替人的視覺進行識別，是一種及時便捷、環保 有效的方法。在分選領域中，機器視覺被廣泛應用于農產品以及電子元件的分選，研究主要集中在來源確定、形狀規則的目標，對于從農業機械設 備、汽車拆解破碎得到的來源復雜、形狀不規則、表面狀態復雜的物料鮮有研究。采用自行設計的銅鋁水箱粉碎機分選(xuan)(xuan)裝(zhuang)置，基(ji)于機器(qi)(qi)視(shi)覺針對(dui)來源復雜、形(xing)狀不(bu)規則、表面凹凸不(bu)平、多坑洼斑點的銅、鋁破碎料進行(xing)分選(xuan)(xuan)研(yan)究，提(ti)取顏色和紋理等外(wai)觀特征(zheng)，并運(yun)用隨機森林智能算法建立分類(lei) 器(qi)(qi)，為分類(lei)特征(zheng)選(xuan)(xuan)擇(ze)提(ti)供依(yi)據(ju)。

有效地(di)從(cong)(cong)高(gao)維數(shu)據(ju)中(zhong)(zhong)提(ti)取或(huo)選(xuan)擇出有用(yong)(yong)的(de)(de)特征(zheng)(zheng)信息(xi)或(huo)規律，并將其分(fen)(fen)類(lei)(lei)識別已成為(wei)當今信息(xi)科學(xue)與技術所(suo)面臨的(de)(de)基(ji)本問(wen)題。隨機(ji)(ji)森林(lin)RF由Breima博士（2001）提(ti)出，是一種(zhong)流(liu)行的(de)(de)機(ji)(ji)器學(xue)習算法。基(ji)于模型融合的(de)(de)理念來解決(jue)(jue)分(fen)(fen)類(lei)(lei)和(he)擬合問(wen)題，利用(yong)(yong)自(zi)助(zhu)重(zhong)(zhong)采樣(yang)法bootstrap和(he)節(jie)(jie)點(dian)隨機(ji)(ji)分(fen)(fen)裂(lie)技術構建(jian)多(duo)棵決(jue)(jue)策(ce)樹(shu)(shu)(shu)（多(duo)種(zhong)不(bu)(bu)同(tong)分(fen)(fen)類(lei)(lei)器），并統計各個(ge)決(jue)(jue)策(ce)樹(shu)(shu)(shu)投(tou)(tou)票(piao)結果得(de)(de)到(dao)(dao)終(zhong)分(fen)(fen)類(lei)(lei)結果[13]。RF具(ju)有分(fen)(fen)析大型、高(gao)維數(shu)據(ju)的(de)(de)能(neng)力，不(bu)(bu)會出現過(guo)(guo)擬合，訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)速度(du)快(kuai)，對(dui)于訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)數(shu)據(ju)中(zhong)(zhong)的(de)(de)噪聲和(he)缺(que)失(shi)數(shu)據(ju)具(ju)有良(liang)好的(de)(de)魯棒性(xing)(xing)。其自(zi)身(shen)具(ju)有重(zhong)(zhong)要性(xing)(xing)度(du)量(liang)能(neng)夠對(dui)分(fen)(fen)類(lei)(lei)特征(zheng)(zheng)進行排(pai)序，從(cong)(cong)而進行特征(zheng)(zheng)選(xuan)擇。 訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)過(guo)(guo)程(cheng)中(zhong)(zhong)，根(gen)據(ju)決(jue)(jue)策(ce)樹(shu)(shu)(shu)的(de)(de)數(shu)量(liang)，應用(yong)(yong)bootstrap 自(zi)助(zhu)重(zhong)(zhong)采樣(yang)方法有放(fang)回地(di)隨機(ji)(ji)抽取高(gao)維數(shu)據(ju)，創建(jian) n個(ge)與訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)集大小(xiao)一致的(de)(de)樣(yang)本集D1、D2，……，Dn用(yong)(yong) 于訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)決(jue)(jue)策(ce)樹(shu)(shu)(shu)。假設每(mei)個(ge)樣(yang)本數(shu)據(ju)的(de)(de)維度(du)為(wei)M（即 共M個(ge)特征(zheng)(zheng)），每(mei)棵決(jue)(jue)策(ce)樹(shu)(shu)(shu)從(cong)(cong)隨機(ji)(ji)選(xuan)取的(de)(de)m（m≤M） 個(ge)特征(zheng)(zheng)子集中(zhong)(zhong)選(xuan)擇優特征(zheng)(zheng)的(de)(de)進行節(jie)(jie)點(dian)分(fen)(fen)裂(lie)，直到(dao)(dao) 得(de)(de)到(dao)(dao)終(zhong)止(zhi)結果或(huo)不(bu)(bu)再分(fen)(fen)裂(lie)為(wei)止(zhi)。整(zheng)個(ge)訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)過(guo)(guo)程(cheng)中(zhong)(zhong)不(bu)(bu) 進行剪枝。在(zai)測試(shi)過(guo)(guo)程(cheng)中(zhong)(zhong)，所(suo)有訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)完成的(de)(de)決(jue)(jue)策(ce)樹(shu)(shu)(shu) 對(dui)測試(shi)集數(shu)據(ju)進行投(tou)(tou)票(piao)判(pan)斷，根(gen)據(ju)多(duo)數(shu)投(tou)(tou)票(piao)原則選(xuan) 出分(fen)(fen)類(lei)(lei)結果。其中(zhong)(zhong)，CART決(jue)(jue)策(ce)樹(shu)(shu)(shu)通過(guo)(guo)獨立的(de)(de)測試(shi)集 對(dui)訓(xun)(xun)練(lian)(lian)(lian)(lian)(lian)集生成的(de)(de)決(jue)(jue)策(ce)樹(shu)(shu)(shu)進行剪枝，從(cong)(cong)而獲得(de)(de)每(mei)個(ge)決(jue)(jue) 策(ce)樹(shu)(shu)(shu)的(de)(de)特征(zheng)(zheng)，也稱為(wei)葉子節(jie)(jie)點(dian)。對(dui)測試(shi)集數(shu)據(ju) 的(de)(de)所(suo)有決(jue)(jue)策(ce)樹(shu)(shu)(shu)葉子節(jie)(jie)點(dian)遍(bian)歷求和(he)，比較得(de)(de)到(dao)(dao)隨機(ji)(ji)森 林(lin)的(de)(de)特征(zheng)(zheng)重(zhong)(zhong)要性(xing)(xing)度(du)量(liang)。