杂草是在田园中对目的植物的生境造成干扰的非目的植物,作为外来有害生物,杂草主要是以杂草种子的形式,通过混杂在农林作物种子和粮食等植物产品中传入我国,已经对国民经济和农林业安全构成了威胁,并带来了巨大的经济损失。为从源头上禁止和限制杂草,防除和减少草害,杂草种子快速准确检疫鉴定是保护农林业经济安全的有效手段。目前,口岸对杂草种子鉴定识别均为传统的人工检索方法,存在鉴定时间长、识别率低等缺点。本文根据口岸杂草检疫和种子鉴定识别的需求,针对国内尚未开展杂草种子图像识别研究的现状,通过对杂草种子的生物学特征分析和分类学的研究,建立杂草种子图像数据库和特征数据库,分析杂草种子的生物学特征与及机器识别特征之间内在联系,设计以计算机视觉为基础的豆科类杂草种子图像识别系统,并对豆科类杂草种子进行了机器识别和鉴定。实验证明该系统提高了杂草种子鉴定和识别的效率和准确率。本文主要工作体现在以下几个方面：1)确定杂草种子图像特征及提取形状特征方法的研究。通过机器识别系统,代替传统分类学的分类方法,对杂草种子稳定遗传形态特征进行分析和研究。在对豆科类杂草种子和种脐形状特征分析的基础上,总结和归纳了用于机器识别的9个区域特征和7个不变矩特征,实验证明这16个特征识别和分类是高效的。通过改进脉冲耦合神经网络(PCNN)对图像进行分割,用图像熵的最大值作为适应度函数,通过遗传算法,优化PCNN的参数,对豆科种子和种脐进行了图像分割和二值化图像输出,提取对应的形状特征,实验结果表明该方法是可行有效的。2)图像特征视觉不变性的研究。利用PCNN网络分割和输出的二值化图像,通过选取种子和种脐形态几何特征之间的比值,以及HU氏矩,使之具有尺度、旋转和平移的视觉不变性。在杂草种子残缺遮挡情况进行识别时,采用特征点作为杂草种子的局部特征时,该特征具有与杂草种子的位置和取向无关,满足了尺度、旋转和平移不变性。从而保证了同类的杂草种子图像特征具有稳定性。3)图像特征有效性分析和对分类效果的研究。利用BP神经网络评估图像特征组合与识别率的关系。通过主成分分析和核主成分分析方法,找出了图像特征具有冗余度小,相关性不强的特点。针对杂草种子多类别和小样本的分类情况,通过支持向量机(SVM)方法得到的实验结果,分析了SVM方法分类效果。同时也采用了粒子群聚类分析算法,但实验证明杂草种子分类识别的有效性不强和适用范围有限。4)残缺和遮挡杂草种子图像识别方法的研究。利用边界分裂的多边形表示方法,作为近似杂草种子轮廓形状。将轮廓特征点作为局部特征,输入到自组织时滞神经网络中,利用特征点之间的空间邻接关系,进行比较、匹配和识别。实验证明该方法可以有效识别残缺遮挡杂草种子图像。5)设计并建立了杂草种子数据库和图像识别系统平台。收集了69科808种共5181幅图像,并存储了相应的杂草种子的名称、形状、颜色、纹理、生长环境、分布区域等信息及豆科类杂草种子的图像特征。图像识别系统平台具有图象采集、预处理、图象分割、二值化输出、滤波、特征提取和计算、图像特征分类和模式识别等功能。本课题来源山东检验检疫局科研项目“豆科类杂草种子图像识别系统研究”课题编号：SK07-2004。并获得山东检验检疫“科技兴检奖”一等奖,利用该研究成果,从多批美国进口大豆中检出种杂草种子,有效地提高了杂草种子检疫鉴定水平和执法把关的效率。