基于机器视觉的玉米异常果穗筛分方法

被引：21

作者：

张帆 ^{[1
,2
]}

李绍明 ^{[1
,2
]}

刘哲 ^{[1
,2
]}

朱德海 ^{[1
,2
]}

王越 ^{[1
,2
]}

马钦 ^{[1
,2
]}

机构：

[1] 中国农业大学信息与电气工程学院

[2] 中国农业大学农业部农业信息获取技术重点实验室

来源：

农业机械学报 | 2015年 / 46(S1)卷 / S1期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

玉米异常果穗; 机器视觉; 筛分; 图像处理;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

针对玉米品种制种过程中病害果穗的表型识别问题,以玉米果穗整体为研究对象,基于二维快速成像技术实现了霉变、虫蛀和机械损伤3种异常果穗的快速分选。构建了单目视觉便携式图像采集装置,采集了任意摆放的粘连果穗目标图像,分别在RGB模型和HIS模型中提取了玉米果穗的6个颜色特征和5个纹理特征,并实现特征参数的归一化。构建了病害果穗分类模型,并采用已知样本特征向量对支持向量机和BP神经网络方法进行训练和对比分析,最后采用支持向量机方法实现了3种异常果穗的快速分选。实验结果表明,该方法对霉变异常果穗筛分的正确率可达96.0%,虫蛀果穗筛分的正确率可达93.3%,机械损伤果穗筛分的正确率可达90.0%。

引用

页码：45 / 49

页数：5

共 12 条

[1]

基于机器视觉的玉米果穗产量组分性状测量方法 [J].

周金辉 ;

马钦 ;

朱德海 ;

郭浩 ;

王越 ;

张晓东 ;

李绍明 ;

刘哲 .

农业工程学报, 2015, 31 (03) :221-227

[2]

基于机器视觉和支持向量机的脐橙品质分级检测 [J].

胡发焕 ;

刘国平 ;

胡瑢华 ;

董增文 .

北京工业大学学报, 2014, 40 (11) :1615-1620

[3]

玉米霉变及黄曲霉毒素的图像处理检测方法 [J].

张楠楠 ;

刘伟 ;

王伟 ;

Ni Xinzhi ;

褚璇 .

中国粮油学报, 2014, 29 (02) :82-88

[4]

采用全景技术的机器视觉测量玉米果穗考种指标 [J].

王传宇 ;

郭新宇 ;

吴升 ;

肖伯祥 ;

杜建军 .

农业工程学报, 2013, 29 (24) :155-162

[5]

高光谱成像技术和主成分分析识别玉米籽粒的胚(英文) [J].

黄文倩 ;

李江波 ;

张驰 ;

张保华 ;

张百海 .

农业工程学报, 2012, 28(S2) (S2) :243-247

[6]

基于BP神经网络的玉米单倍体种子图像分割 [J].

张俊雄 ;

吴科斌 ;

宋鹏 ;

李伟 ;

陈绍江 .

江苏大学学报(自然科学版), 2011, 32 (06) :621-625

[7]

HSV空间中彩色图像分割研究 [J].

张国权 ;

李战明 ;

李向伟 ;

魏伟一 .

计算机工程与应用 , 2010, (26) :179-181

[8]

基于计算机视觉的玉米单倍体自动分选系统 [J].

宋鹏 ;

吴科斌 ;

张俊雄 ;

李伟 ;

方宪法 .

农业机械学报, 2010, 41(S1) (S1) :249-252

[9]

鲜食玉米果穗外观品质分级的计算机视觉方法 [J].

王慧慧 ;

孙永海 ;

张婷婷 ;

张贵林 ;

李义 ;

刘铁鹏 .

农业机械学报, 2010, 41 (08) :156-159+165

[10]

A Na?ve SVM-KNN based stock market trend reversal analysis for Indian benchmark indices.[J].Rudra Kalyan Nayak;Debahuti Mishra;Amiya Kumar Rath.Applied Soft Computing.2015,

← 1 2 →