基于形态和颜色特征的小麦籽粒分类识别

发布时间：2020-04-12 23:41

【摘要】：小麦是我国最重要的的粮食作物之一,对于小麦图像识别技术的研究一直都是农业信息化领域的一大热点。本文提出了一种基于形态和颜色特征的小麦籽粒分类的方法,不仅可以节约大量的时间、人力和物力,还可以弥补人工检测的效率低、客观性差和准确率低等缺陷。本文选取了周麦18,滑麦3号,豫农202,豫教6号,洛麦29共5种小麦籽粒作为研究对象,在使用高清数码相机获取的小麦籽粒图像后,首先运用图像处理技术对小麦籽粒图像进行灰度化、增强、分割和形态学处理,而后分别提取小麦籽粒的4种形状特征(周长,面积,圆形度和伸长度)和6种颜色特征(R、G、B、H、S、I)共10类特征,之后借助构建BP神经网络对5种小麦籽粒进行分类,分别研究仅使用颜色特征作为网络输入,仅使用形状特征作为网络输入,以及将颜色特征和形状特征相结合作为网络的输入的分类结果。研究结果显示,在使用颜色特征和形状特征相结合作为BP神经网络的输入时,对3种小麦籽粒的分类准确率达到了95.6%,对4种小麦籽粒分类的准确率达到了93.3%,对5种小麦籽粒分类的准确率达到了89.3%,都要明显好于仅使用颜色特征作为网络输入和仅使用形状特征作为网络输入的分类结果。研究结果说明,本文提出的使用颜色特征和形状综合特征对小麦籽粒进行分类的方法易于实现,分类效率和准确率高。最后,本文对图像处理技术在农产品上的分类和识别的应用前景进行了分析和展望。
【图文】：

研究技术路线图

图 3-1 部分原始的小麦籽粒图像（从上至下每一排依次为洛麦 29，滑麦 3 号，周麦 18，豫农 202，豫教 6 号）预处理况下，，在获取实验图像的时候会受到诸多外界条件（如光线、天气、设备而导致图片成像的失真，会影响到我们后面对图像的处理效果，这就要对]。灰度化像所包含的数据量和占据的存储空间都要远大于灰度图像，将其转化为数们所处理的灰度图像很有必要，而这整个过程我们就称之为彩色图像的灰模型下，彩色图像经过灰度化处理后就会得到相同的 R、G、B 分量，这样理的计算量相对变得很少，这就是为什么进行图像灰度化的原因。常用的
【学位授予单位】：河南农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S512.1;TP391.41

【参考文献】

相关期刊论文 前10条

1 董高;郭建;王成;陈子龙;郑玲;朱大洲;;基于近红外高光谱成像及信息融合的小麦品种分类研究[J];光谱学与光谱分析;2015年12期

2 张玉荣;陈赛赛;姜忠丽;周显青;;基于图像处理的小麦容重检测方法研究[J];中国粮油学报;2015年03期

3 杜晓晨;张幸;陆国权;;基于图像处理的甘薯种类识别方法研究[J];中国粮油学报;2014年11期

4 张玉荣;陈赛赛;周显青;;小麦图像检测技术研究进展[J];中国粮油学报;2014年04期

5 李艳梅;李广;;基于图像处理小麦籽粒长和粒宽的自动测量[J];中国食品工业;2014年02期

6 程鲁玉;吴艳;孟小艳;;基于计算机视觉的香梨损伤自动检测与分类研究[J];农业网络信息;2013年07期

7 张浩;李和平;叶娟;;小麦籽粒外观形态特征测定技术研究[J];粮食与饲料工业;2013年03期

8 赵广才;常旭虹;王德梅;杨玉双;冯金凤;;中国小麦生产发展潜力研究报告[J];作物杂志;2012年03期

9 樊超;夏旭;石小凤;侯利龙;;基于图像处理的小麦品种分类研究[J];河南工业大学学报(自然科学版);2011年05期

10 王传宇;郭新宇;温维亮;苗腾;;基于计算机视觉的玉米籽粒形态测量[J];农机化研究;2011年06期

相关博士学位论文 前1条

1 陈丰农;基于机器视觉的小麦并肩杂与不完善粒动态实时检测研究[D];浙江大学;2012年

相关硕士学位论文 前6条

1 王昌;基于模拟无人机平台的油菜和杂草图像处理及分类研究[D];浙江大学;2016年

2 康恋恋;基于图像处理的玉米与杂草机器视觉分类模型的设计[D];山西农业大学;2015年

3 梁良;基于改进层次分析法小麦籽粒优劣分级技术研究[D];河北农业大学;2013年

4 夏旭;基于计算机视觉的小麦品种识别研究[D];河南工业大学;2011年

5 吴国瑞;基于图像处理的杂草种类识别技术研究[D];西北农林科技大学;2009年

6 刘中合;基于计算机视觉的玉米种子特征提取及应用研究[D];山东农业大学;2007年

本文编号：2625318