共 8 条
- [8] Potential of artificial neural networks in varietal identification using morphometry of wheat grains[J]. BIOSYSTEMS ENGINEERING, 2006, 95 (01) : 61 - 67Dubey, B. P.Bhagwat, S. G.Shouche, S. P.Sainis, J. K.
玉米品种图像识别中的影响因素研究
被引：6
作者：
韩仲志
[1
]
杨锦忠
[2
]
李言照
[1
]
机构：
[1] 青岛农业大学理学与信息科学学院
[2] 青岛农业大学农学与植物保护学院
来源：
关键词：
玉米种子;
品种识别;
独立分量分析;
主分量分析;
支持向量机;
D O I：
暂无
中图分类号：
S513 [玉米（玉蜀黍）];
TP391.41 [];
学科分类号：
080203 ;
摘要：
为了研究玉米品种图像识别中的关键影响因素,搭建了一套基于PCA和ICA特征提取和支持向量机(SVM)分类算法的玉米品种识别系统,采用扫描仪获得了11个品种每个品种50粒图像,基于图像的像素特征和统计特征,分别研究了主分量分析(PCA)和独立分量分析(ICA)的特征提取和特征优化方法,并进一步考察了支持向量机(SVM)模式分类过程中的关键参数优化问题。试验结果表明,对11个品种550个籽粒的品种最高检出率为97.17%,在同样的情况下ICA优化的特征较PCA优化的特征识别率能提高3%左右,适当选择统计特征比使用像素特征识别率提高约10%,另外SVM参数影响到识别效果,但整体影响不大。本方法与结论对玉米种子纯度和品种真实性检验具有积极意义。
引用
收藏
页码：98 / 103
页数：6
相关论文