基于機(jī)器視覺的稻谷種子特征提取與品種識(shí)別方法研究.pdf

1、水稻是我國最重要的糧食作物，全國有60％以上的人口以稻米為主食。稻谷種子質(zhì)量的好壞直接關(guān)系到水稻產(chǎn)量的高低及質(zhì)量的優(yōu)劣，種子真實(shí)性和品種純度是反應(yīng)種子質(zhì)量的重要指標(biāo)。目前，種子品種純度鑒定方法主要包括苯酚染色法、幼苗鑒別法和分子標(biāo)記法等，這些方法檢測成本高、鑒定周期長，不能滿足實(shí)際生產(chǎn)中快速鑒定稻谷品種的需要。針對這一問題，本文以九個(gè)稻谷品種為研究對象，綜合運(yùn)用機(jī)器視覺技術(shù)和多元統(tǒng)計(jì)方法，研究了稻谷種子圖像特征的自動(dòng)提取與品種識(shí)別的快速

2、檢測方法。
　　 論文的主要研究內(nèi)容與結(jié)論如下：
　　 （1）搭建了適用于稻谷種子品種識(shí)別的機(jī)器視覺系統(tǒng)，系統(tǒng)由光源、光箱、數(shù)碼相機(jī)、計(jì)算機(jī)四部分組成。整個(gè)系統(tǒng)輕便實(shí)用、采集的原始圖像質(zhì)量良好。
　　 （2）對原始圖像進(jìn)行灰度化、圖像增強(qiáng)、圖像分割、圖像去噪和邊緣檢測等預(yù)處理，比較相關(guān)算法的處理效果，最終找到適合本研究的圖像預(yù)處理算法：圖像增強(qiáng)主要采用3×3方形窗口中值濾波法；圖像分割主要通過分析灰度直方圖找到最

3、佳閾值實(shí)現(xiàn)稻谷種子圖像的二值化；圖像去噪利用數(shù)學(xué)形態(tài)學(xué)中開、閉運(yùn)算有效消除了種子圖像中的點(diǎn)狀噪聲和孔狀噪聲；邊緣檢測效果最好的是由Roberts邊緣檢測算子得到的種子邊緣圖像。
　　 （3）提出了面積A、周長P、長軸L、短軸W、最大半徑RMA、最小半徑RMI、長軸1/4處短軸（FW1、FW2）、長軸1/8處短軸（EW1、EW2）、半徑比CR、長寬比CLW和圓形度）γ等13個(gè)稻谷種子形狀特征參數(shù)的檢測算法，并編程實(shí)現(xiàn)了這些特征參數(shù)

4、的自動(dòng)提取。實(shí)驗(yàn)證明，特征參數(shù)提取算法高效實(shí)用、準(zhǔn)確性好。
　　 （4）利用Bayes判別法建立了秈稻、糯稻、粳稻三大類的類別模型，經(jīng)過判別效果檢驗(yàn)可知：類別模型判別效果顯著；判別能力最強(qiáng)的特征參數(shù)是短軸、最小半徑、長軸1/4處短軸（左）；樣品的回判正確率依次為99.7％、78.3％、98.7％。利用Bayes判別法建立了IRBB10、珍珠矮、培矮64、夷方糯、毫糯量、高桿大糯、中花11、巴利拉、秋光九個(gè)稻谷種子品種的品種模型，

5、經(jīng)過判別效果檢驗(yàn)可知：品種模型判別效果顯著；判別能力最強(qiáng)的特征參數(shù)是長寬比、半徑比、短軸；樣品回判正確率依次為97％、100％、99％、76％、64％、63％、66％、99％、69％。經(jīng)過模型檢驗(yàn)得知：類別模型的識(shí)別正確率達(dá)90％；品種模型的識(shí)別正確率達(dá)76.7％。
　　 （5）開發(fā)了一套稻谷種子特征提取與品種識(shí)別的應(yīng)用軟件，軟件系統(tǒng)功能包括圖像預(yù)處理、特征參數(shù)提取與存儲(chǔ)、稻谷種子品種識(shí)別等。通過系統(tǒng)測試表明，系統(tǒng)操作界面友好、