玉米種子品種智能識(shí)別系統(tǒng)研究.pdf

1、隨著計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展，應(yīng)用計(jì)算機(jī)視覺自動(dòng)檢測(cè)種子資源品質(zhì)，是實(shí)現(xiàn)農(nóng)產(chǎn)品檢測(cè)自動(dòng)化和智能化的必然趨勢(shì)。本文以計(jì)算機(jī)視覺和模式識(shí)別理論為基礎(chǔ)，選取鄭單958、農(nóng)大108、魯單981、鄭單6028、聊玉2號(hào)五個(gè)玉米品種作為識(shí)別對(duì)象，獲取了玉米種子圖像信息和特征參數(shù)，通過(guò)對(duì)特征參數(shù)降維優(yōu)化處理，建立了最佳分類模型，實(shí)現(xiàn)了對(duì)玉米種子品種的智能識(shí)別，提高了識(shí)別正確率和效率，五個(gè)玉米品種的正確識(shí)別率平均在96％以上。
　　 1.改進(jìn)

2、了圖像采集系統(tǒng)，提高了玉米種子的圖像質(zhì)量。主要對(duì)照明室進(jìn)行改進(jìn)，改善了光源效果，進(jìn)一步提高了玉米種子的圖像質(zhì)量，有利于提高玉米種子特征提取精度及智能識(shí)別的準(zhǔn)確性。
　　 2.采用先進(jìn)的圖像預(yù)處理算法，改善了預(yù)處理的圖像效果。背景分割過(guò)程中，采用最小錯(cuò)誤概率法在玉米種子紅色分量灰度圖像中獲取閾值進(jìn)行二值化。為了提高圖像質(zhì)量和特征提取精度，對(duì)圖像進(jìn)行中值濾波和形態(tài)學(xué)處理，獲得了精確的玉米種子輪廓圖像。
　　 3.提出了主成分

3、分析和支持向量機(jī)相結(jié)合的算法，對(duì)玉米種子特征參數(shù)進(jìn)行優(yōu)化降維處理。將反映玉米種子形態(tài)特征的19個(gè)特征參數(shù)，經(jīng)過(guò)主成分分析處理，選取前5個(gè)主成分作為最終分類特征，大大簡(jiǎn)化了分類模型。
　　 4.采用支持向量機(jī)作為品種識(shí)別算法，提高了玉米種子品種識(shí)別準(zhǔn)確率。把主成分分析法得到的主成分特征作為最終分類特征輸入支持向量機(jī)建立的分類模型，對(duì)鄭單958、農(nóng)大108、魯單981、鄭單6028、聊玉2號(hào)五種玉米種子進(jìn)行品種識(shí)別試驗(yàn)，識(shí)別正確率分