论文部分内容阅读
水稻是我国最重要的粮食作物,全国有60%以上的人口以稻米为主食。稻谷种子质量的好坏直接关系到水稻产量的高低及质量的优劣,种子真实性和品种纯度是反应种子质量的重要指标。目前,种子品种纯度鉴定方法主要包括苯酚染色法、幼苗鉴别法和分子标记法等,这些方法检测成本高、鉴定周期长,不能满足实际生产中快速鉴定稻谷品种的需要。针对这一问题,本文以九个稻谷品种为研究对象,综合运用机器视觉技术和多元统计方法,研究了稻谷种子图像特征的自动提取与品种识别的快速检测方法。论文的主要研究内容与结论如下:（1）搭建了适用于稻谷种子品种识别的机器视觉系统,系统由光源、光箱、数码相机、计算机四部分组成。整个系统轻便实用、采集的原始图像质量良好。（2）对原始图像进行灰度化、图像增强、图像分割、图像去噪和边缘检测等预处理,比较相关算法的处理效果,最终找到适合本研究的图像预处理算法:图像增强主要采用3×3方形窗口中值滤波法;图像分割主要通过分析灰度直方图找到最佳阈值实现稻谷种子图像的二值化;图像去噪利用数学形态学中开、闭运算有效消除了种子图像中的点状噪声和孔状噪声;边缘检测效果最好的是由Roberts边缘检测算子得到的种子边缘图像。（3）提出了面积A、周长P、长轴L、短轴W、最大半径RMA、最小半径RMI、长轴1/4处短轴（FW1、FW2）、长轴1/8处短轴（EW1、EW2）、半径比CR、长宽比CLW和圆形度γ等13个稻谷种子形状特征参数的检测算法,并编程实现了这些特征参数的自动提取。实验证明,特征参数提取算法高效实用、准确性好。（4）利用Bayes判别法建立了籼稻、糯稻、粳稻三大类的类别模型,经过判别效果检验可知:类别模型判别效果显著;判别能力最强的特征参数是短轴、最小半径、长轴1/4处短轴（左）;样品的回判正确率依次为99.7%、78.3%、98.7%。利用Bayes判别法建立了IRBB10、珍珠矮、培矮64、夷方糯、毫糯量、高杆大糯、中花11、巴利拉、秋光九个稻谷种子品种的品种模型,经过判别效果检验可知:品种模型判别效果显著;判别能力最强的特征参数是长宽比、半径比、短轴;样品回判正确率依次为97%、100%、99%、76%、64%、63%、66%、99%、69%。经过模型检验得知:类别模型的识别正确率达90%;品种模型的识别正确率达76.7%。（5）开发了一套稻谷种子特征提取与品种识别的应用软件,软件系统功能包括图像预处理、特征参数提取与存储、稻谷种子品种识别等。通过系统测试表明,系统操作界面友好、运行稳定而且维护方便。