基于图像处理和神经网络的小麦不完善粒识别方法研究

《基于图像处理和神经网络的小麦不完善粒识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、粮油食品科技第22卷2014年第3期质量安全基于图像处理和神经网络的小麦不完善粒识别方法研究张玉荣，陈赛赛，周显青，王伟宇，吴琼，王海荣(河南工业大学粮油食品学院，河南郑州450001)摘要:为了实现图像处理技术对小麦不完善粒的准确快速识别，研究了一种基于小麦不完善粒图像特征和BP神经网络的不完善粒识别方法。采集小麦不完善粒图像，对图像进行中值滤波、形态学运算、图像分割等处理后，针对每个小麦籽粒，提取其形态、颜色和纹理共3大类54个特征参数，采用主成分分析法提取8个主成分得分向量作为模式识别的输入，

2、建立BP神经网络模型，实现对小麦不完善粒的检测识别。结果表明，该模型对完善粒、破损粒、病斑粒、生芽粒和虫蚀粒的判别正确率分别为93%、98%、100%、90%和85%，平均判别正确率达到93%，可有效对小麦不完善粒进行检测识别。关键词:图像处理;小麦;不完善粒;神经网络;识别中图分类号:TS210;TP391文献标识码:A文章编号:1007－7561(2014)03－0059－05Identificationofunsoundkernelsinwheatbasedonimageprocessinga

3、ndneuralnetworkZHANGYu－rong，CHENSai－sai，ZHOUXian－qing，WANGWei－yu，WUQiong，WANGHai－rong(CollegeofFoodScienceandTechnology，HenanUniversityofTechnology，ZhengzhouHenan450001)Abstract:Inordertoidentifyaccuratelyandfasttheunsoundkernelsofwheatbyimageprocessin

4、gtech-nology，anoveldetectionmethodwasstudiedbasedonimagefeaturesofunsoundkernelsandBPneuralnetwork．Theimagesofunsoundkernelswerecapturedandsomeimageprocessings(medianfiltering，morphologicaloperationsandimagesegmentationetc．)wereperformedtoextract54para

5、metersfromthreecharacteristiccategories(shape，colorandtexture)．8principalcomponentsvectorswereextractedastheinputsofpatternrecognitionbyprincipalcomponentanalysis．Theneuralnetworkmodelwasestab-lishedforidentifyingunsoundkernelsofwheat．Theresultsshowedt

6、hattherecognitionrateofsoundker-nels，brokenkernels，spottedkernels，sproutedkernelsandinsectdamagedkernelswas93%，98%，100%，90%and85%，respectively，andtheaveragerecognitionratewas93%．Itisconcludedthatthismethodisaneffectivewaytoidentityunsoundkernelsofwheat

7、．Keywords:imageprocessing;wheat;unsoundkernel;neuralnetwork;identification小麦不完善粒是指受到损伤但尚有使用价值的确评定小麦质量有着重大意义。目前，小麦不完善小麦籽粒，包括虫蚀粒、病斑粒、破损粒、生芽粒和生粒的检测完全由人工感官检验完成，存在主观性强、霉粒，其实质就是小麦的胚或胚乳受到机械损伤或工作量大、费时费力且可重复性差等缺点，难以适应生理变化和微生物的侵害，导致其种用品质和食用粮油检验向快速无损检测方向发展的需求。［1］

8、品质下降的一种表现。在小麦流通过程中，不完随着信息技术的迅速发展，利用图像处理技术［2－5］［6］［7－9］［10－11］善粒含量是衡量小麦质量的限制指标，并作为增扣进行大米、玉米、马铃薯、花生、板［12－13］量的依据，研究快速检测小麦不完善粒的技术对正栗等农产品品质检测得到了国内外学者的普遍关注。在小麦质量与品质检测方面，也有诸多研［14－20］收稿日期:2013－11－28究成果，主要涉及品种与种类识别、质量分基金项目:国家自然科学基金项目(31371852);