基于机器视觉的花生品种识别系统研究

作者:邓立苗;韩仲志;于仁师 刊名:农机化研究 上传者:王旭亮

【摘要】为了实现花生品种自动识别,收集了12个花生品种的600粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理;然后,对每幅样本图像提取形态、颜色和纹理等3大类共48个特征,建立人工神经网络(ANN)和支持向量机(SVM)识别模型对这些特征进行分析识别,并基于Visual C++6.0环境构建识别系统。运行结果表明,SVM方法识别效果比较稳定,对12个花生品种自我识别率达到100%,测试识别率达到83%;另外,基于Visual C++的识别系统在识别效果与效率方面比Matlab都有了较大的提高。该花生品种识别系统对于花生品种识别具有积极意义。

全文阅读

基于机器视觉的花生品种识别系统研究 邓立苗,韩仲志,于仁师 ( 青岛农业大学 理学与信息科学学院,山东 青岛 266109) 摘 要: 为了实现花生品种自动识别,收集了 12 个花生品种的 600 粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理; 然后,对每幅样本图像提取形态、颜色和纹理等 3 大类共 48 个特征,建立人工神经网络( ANN) 和支持向量机( SVM) 识别模型对这些特征进行分析识别,并基于 Visual C+ + 6. 0 环境构建识别系统。运行结果表明,SVM 方法识别效果比较稳定,对 12 个花生品种自我识别率达到 100% ,测试识别率达到83% ; 另外,基于 Visual C++的识别系统在识别效果与效率方面比 Matlab 都有了较大的提高。该花生品种识别系 统对于花生品种识别具有积极意义。 关键词: 花生; 图像处理; 支持向量机; Visual C++; 机器视觉 中图分类号: S126; TP391 文献标识码: A 文章编号: 1003-188X( 2013) 08-0166-04 0 引言 我国花生年产量居世界首位,品种数目众多。观察分析花生种子的形态与大小是花生品种特异性、一致性、稳定性( DUS) 测试以及新品种选育的重要内容。目前,对这些性状的测定主要依靠目测分级及手工测量,存在速度慢、精度低和客观性差等问题。当前种业的发展需要快速和高效的种子品种检验新方法,将图像处理与机器视觉技术应用于花生品种检测领域正是顺应了这一趋势。 现有的花生品种识别系统都是基于 Matlab 环境构建的,它虽然有强大的数据分析以及数值计算功能,还提供了丰富的图像处理与识别方面的函数与工具,比较适合于构建图像处理和识别系统,但是 Mat-lab 使用的是解释性语言,大大限制了其执行速度; 源代码的公开不利于算法和数据的保密; 局限于 Matlab 运行环境而不能用于开发商用软件。Visual C++是Windows 平台下主要的应用程序开发环境之一,能方便地实现软件开发,系统具有界面友好、执行速度快、易维护和升级等优点,并且基于 Visual C++的花生品种识别系统未见报道。为此,基于 Visual C++ 6. 0 平台构建了花生品种识别系统,其目的是实现快速和准确地识别花生品种。 收稿日期: 2012-07-23 基金项目: 山东省自然科学基金项目( ZR2010CM039) 作者简介: 邓立苗( 1978-) ,女,山东临沂人,讲师,( E-mail) denglm68 @163. com。 通讯作者: 于仁师( 1963-) ,男,山东莱阳人,副教授。 1 实验材料 供实验的花生品种共有 12 个,分别来自河北以及山东的日照、潍坊、莱阳等主要花生产区( 见表 1) 农民自留种,每个品种选取正常无破损的 50 粒花生下部籽仁。将这 600 粒花生按品种分成两组,用 540 粒作为建模样本,其中每个品种 45 粒; 用另外的 60 粒作为检验样本。 表 1 实验材料 编号 品种 产地 编号 品种 产地 1 P12 潍坊2 矮 2 莱阳 3 花育 22 莱阳 4 花育 25 莱阳 5 冀花 2 号 河北6 冀花 4 号 河北 7 冀花 5 号 河北8 鲁花 9 号 日照9 青花 6 号 莱阳 10 天府 3 号 河北11 潍花 8 号 河北 12 小白沙 日照 2 识别方法 2.1 处理流程 利用图像处理与计算机视觉技术对花生品种进行识别的流程如图1 所示。 图 1 品种识别流程 ·661· 2013

参考文献

引证文献

问答

我要提问