基于形狀特征的脫絨棉種品種識別研究

《基于形狀特征的脫絨棉種品種識別研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、3基于形狀特征的脫絨棉種品種識別研究邵魯浩，坎雜※，李景彬，田緒順（石河子大學(xué)機(jī)電學(xué)院，新疆石河子832000）摘要：本文以中棉50、新陸早26、新陸早33棉花品種為研究對象，基于圖像處理技術(shù)提取了脫絨棉種的面積周長類、最大徑類、橢圓類和區(qū)域矩類共14個形狀特征參數(shù)，并運(yùn)用多元統(tǒng)計分析方法，利用統(tǒng)計學(xué)中的集中趨勢指標(biāo)與離散程度指標(biāo)對數(shù)據(jù)進(jìn)行分析，將綜合特征指標(biāo)作為品種判別的參數(shù)；利用SPSS軟件，用逐步判別分析法建立了3個品種的識別模型，得出3個線性分類函數(shù)，經(jīng)驗證，綜合判別率為99.2%，判別效果非常顯著。30引言收稿日期：2011-05-08

2、修訂日期：基金項目：國家自然科學(xué)基金資助項目（30860154）；國家科技支撐項目（2006BAD212B02-2）作者簡介：邵魯浩（1984-），女，山東濱州人，碩士，主要研究方向：智能化檢測與自動控制技術(shù)。石河子石河子大學(xué)機(jī)械電氣工程學(xué)院，832000.Email:shaoluhao@163.com※通信作者：坎雜（1963-），男，新疆精河人，教授，中國農(nóng)業(yè)工程學(xué)會高級會員（E041200076S），研究方向：農(nóng)牧機(jī)械裝備研究。石河子石河子大學(xué)機(jī)械電氣工程學(xué)院，832000。Email:kz-shz@163.com棉花種子是棉花生產(chǎn)最基本的

3、生產(chǎn)資料[1]，種子真實性和品種純度是反映種子質(zhì)量的重要指標(biāo)[2]。資料顯示，2010年全國棉花播種品種（含沒有審定的品系、組合、材料、代號和不知名等）569個，比2009年增加95個，增幅20%，棉種的“多亂雜”現(xiàn)象非常突出[3]。機(jī)器視覺具有實時、高效、客觀、準(zhǔn)確和無損傷等優(yōu)點(diǎn)[4]，因此，應(yīng)用機(jī)器視覺技術(shù)對棉種進(jìn)行品種識別檢測有著重要的現(xiàn)實意義。隨著機(jī)器視覺技術(shù)的迅速發(fā)展，利用圖像處理技術(shù)進(jìn)行農(nóng)產(chǎn)品的品種識別檢測已經(jīng)得到普遍關(guān)注，研究較多的為玉米、水稻、小麥、花生等農(nóng)作物。1998年，ZayasIY等[5]利用籽粒形態(tài)特征識別法對小麥進(jìn)行品

4、種識別;2000年，MajiumdarSD等[6]利用谷物的23種形態(tài)特征區(qū)分不同品種的麥粒；2005年，何勝美等[7]用逐步判別分析法建立小麥品種的貝葉斯分類器模型。2009年，韓仲志等[8]基于主分量分析和人工神經(jīng)網(wǎng)絡(luò)的方法建立花生品種的識別模型。2004年，黃星奕等[9]通過貝葉斯決策方法建立稻谷品種的識別分類器；2010年，熊利榮等[10]利用Bayes判別法建立了稻谷品種的識別模型。2004年，閘建文等[11]利用數(shù)理統(tǒng)計和模糊數(shù)學(xué)知識建立了玉米品種的判別準(zhǔn)則，楊蜀秦等[12]利用BP人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了玉米品種識別；2009年，程洪

5、等[13]利用支持向量機(jī)（SVM）算法對玉米品種進(jìn)行訓(xùn)練識別；2010年，權(quán)龍哲等[14]提出K-L變換與最小二乘支持向量機(jī)相結(jié)合的玉米籽粒品種鑒別方法，王玉亮等[15]提出一種基于多對象有效特征提取和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識別方法。綜上所述，種子的特征參數(shù)與品種之間存在著極為密切的關(guān)系。本文以新疆脫絨棉種為研究對象，運(yùn)用多元統(tǒng)計分析的方法，研究了脫絨棉種的形狀特征參數(shù)與品種識別之間的關(guān)系。1材料選取與形狀特征參數(shù)提取1.1材料選取1.1.1樣本來源本研究中的試驗樣品由新疆西部種業(yè)有限公司提供。試驗樣品有中棉50、新陸早26和新陸早

6、33三個品種。從每份樣品中隨機(jī)選取50粒用于試驗，由于棉種每個面的形狀不完全相同，因此選取每粒種子的三個面，拍得3幅圖像以便更全面的進(jìn)行數(shù)據(jù)分析，其中120幅圖片用于建立判別分類模型，30幅用于驗證模型的識別率。1.1.2圖像采集與處理系統(tǒng)1.攝像頭2.鏡頭3.環(huán)形光源4.脫絨棉種5.載物臺6.圖像采集卡7.計算機(jī)圖1圖像采集系統(tǒng)Fig.1ImageAcquisitionSystem圖像采集系統(tǒng)由BASLER公司的A602f-2攝像頭，焦距55mm的Computar鏡頭，視覺龍多功能視覺試驗臺架、Ose環(huán)形光源、DH-CG300圖像采集卡和計算機(jī)

7、等組成，如圖1所示。載物臺上用白色作為背景顏色，以達(dá)到很好的分離目標(biāo)物的效果。試驗臺架用一個黑色遮光罩密封，以去除外界光線的影響。將分辨率設(shè)為640*480的條件下獲取灰度圖像。圖像處理和數(shù)據(jù)分析都在Windows3XP操作系統(tǒng)中完成，圖像處理選用通用圖像處理系統(tǒng)ImageSysV7.1軟件，數(shù)據(jù)分析選用SPSS13.0軟件。1.2形狀特征參數(shù)提取1.2.1圖像預(yù)處理圖像預(yù)處理的主要過程包括圖像增強(qiáng)、圖像分割、圖像去噪和圖像補(bǔ)洞。其中圖像增強(qiáng)采用的是中值濾波中的簡單均值算法；根據(jù)對直方圖的觀察，將閾值設(shè)為30～254進(jìn)行圖像分割；利用數(shù)學(xué)形態(tài)學(xué)進(jìn)

8、行圖像去噪；為了得到完整的種子圖像面積等特征參數(shù)，對對象物進(jìn)行補(bǔ)洞處理。圖像處理的結(jié)果如圖2所示：圖像預(yù)處理前圖像預(yù)處理后圖2圖像預(yù)處理