论文部分内容阅读
龙江大豆品种众多,不同品种之间,其质量差别较大。市场上龙江大豆品种繁多、难以区分,大豆的需求与供给在品种上难以达到一个良好的对接。传统的人工识别方法存在工作量大,识别准确率底的缺点,基于单一特征的种粒识别方法无法准确的识别分类大豆种粒,而基于高光谱图像技术的大豆种粒识别方法,又因为技术设备昂贵,操作复杂等问题难以大面积推广。为了改善这种现状,本文提出一种基于计算机视觉多特征融合技术的大豆种粒图像识别方法。本文针对基于计算机视觉多特征融合技术的大豆种粒图像识别技术的研究,主要做了如下工作:(1)构建大豆种粒图像数据集。采集东农、黑河、北丰、绥农、黑农、嫩丰、合丰、垦丰、垦农、中黄以及抗虫转基因大豆等主要大豆品种,共计44种。每种大豆选取150粒左右,分单粒、多粒分散、多粒紧凑三种情况进行拍摄,拍摄完成后对图像进行挑选、分类。(2)对大豆种粒图像进行分割。为了更好的达到预期分割效果,分割前对图像进行降噪处理,对预处理后的大豆种粒图像进行图像分割,通过对比多种分割算法,发现基于Lab颜色模型的阈值分割方法对大豆种粒图像的分割效果最佳。(3)提取大豆种粒图像的形状特征、HSI颜色特征以及纹理特征这三类特征值。然后,对提取的特征值使用主成分分析方法,将可能存在相关性的变量转变为一组线性不相关的变量。通过特征相关性对比实验,保留相关值、矩形度、伸长度、球状性这四个相关度较小的特征值,然后采用PCA主成分分析方法再对其它的大豆种粒特征值进行特征融合处理,组成大豆种粒识别的特征空间。(4)本文选用LWKNCN算法对6种大豆种粒图像进行识别分类研究。在依据综合特征对大豆种粒图像进行识别分类过程中,实验在K值为2时取得最优的识别分类效果,识别分类的准确率为85.61%,实验结果表明基于多特征融合技术的大豆种粒图像识别技术具有较高的准确率以及较强的可应用性。本实验为基于计算机视觉的大豆种粒识别提供了一定的参考价值,弥补了普通的人工识别存在的劳动量大、识别差异率大的缺点,基于多特征融合技术的分类识别方法既提升了识别的准确度,同时又克服了基于高光谱图像技术对大豆种粒进行识别分类中存在的技术设备昂贵,操作复杂的问题。