基于背景差分法的稻米动态图像检测识别

《基于背景差分法的稻米动态图像检测识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、浙江农业学报ActaAgriculturaeZhejiangensis21(4)：403～4O6，2009基于背景差分法的稻米动态图像检测识别刘璎瑛，丁为民，沈明霞(南京农业大学工学院，江苏南京210031)摘要：根据稻米形态特点设计了稻米动态图像采集系统，选用背景差分法对米粒动态图像进行目标分割，实现了运动状态下稻米图像特征提取。对提取的颜色、形态特征进行多结构神经网络训练，实现了透明整米、垩白整米、碎米和黄米四类稻米的识别，识别准确率分别为95．2％，89．6％，97．3％和90．5％。识别效果较好，为稻米在线图像检测分选奠

2、定基础。关键词：背景差分；稻米；动态图像；多结构神经网络；识别中图分类号：TP391．41文献标识码：A文章编号：1004—1524(2009)04—0403—04RicedynamicimagedetectionbasedonbackgroundsubtractionLIUYing—ying，DINGWei—min，SHENMing—xia(CollegeofEngineering，NanfingAgriculturalUniversity，Nanjing210031，China)Abstract：Accordingtothe

3、morphologicalcharacteristicsofrice，computervisionsystemwasdesignedtocapturericedy—naⅡcimage．Inordertoextracttheimagefeaturesofthericeinthemovingstate．thebackgroundsubstractionmethodWasusedtosegmentthecurrentframeimageandthebackgroundimage．Thecolorandmorphologicalfeat

4、ureswereextractedfromricedynamicimages．Usingmulti—structureneuralnetwork，thericeWasgradedintofourclasses：soundnormalker-nels，soundchalkykernels，crackedkernelsandyelowkernels．TherespectiverecognitionaccuracyofeachclassificationWas95．2％，89．6％，97．3％and90．5％．Therecogniti

5、onresultsweresatisfyingandthismethoddevelopedareferencefordetectingriceimageonline．Keywords：backgroundsubtraction；rice；dynamicimage；multi—structureneuralnetwork；recognition新修订的稻米标准_1J对稻米外观等级评判一步完善，基于图像处理技术的稻米外观在线检提出了更高要求，不含垩白米、黄米、碎米的优质测分选成为可能。本文设计了稻米动态图像采稻米不仅提高了市场价值，

6、而且满足了人们消费集系统，利用中值法进行背景建模，可实时获取需求。目前利用图像处理技术对稻米外观品质背景，选用背景差分法对稻米动态图像进行目标检测主要是稻米粒型、垩白、黄米粒等单一参数分割，提取了运动状态下稻米图像特征，对提取特征的静态检测算法研究l“J，鲜见动态提取特的特征进行多结构神经网络(Multi—StructureNeu—征参数综合评价稻米外观品质的研究。ralNetwork，简称MSNN)训练，实现了透明整米、图像识别技术的发展和计算机性能的提高垩白米、黄米和碎米的识别。使运动目标的检测跟踪算法不断改进并得到进1稻米

7、动态图像采集系统设计收稿日期：2009—03—17萋学青年科技创新基金(K自J0然60科27学)基金B南京农业大以江tL苏、粳仪米／l＼2"J研I究L对／、象，水，依据：怕稻，l米／l、形态特1点，’研童究篁方向：型群：女H：山东临沂人，师，博士研究生，选取合适相机、镜头和光源等硬件对稻米动态图：图像处理与模式识别。En~jl：lyy@nj叫．edu．CH⋯一⋯⋯⋯⋯⋯’⋯。⋯’一⋯*通讯作者。丁为民，E—mail：wmdig@jlann-line，．，Tel：86．25．像采集系统进行设计。视频采集要求如表1所示。·404·浙

8、江农业学报第21卷第4期(2009年7月)表1稻米视频采集参数表减去背景图像，对差分图像选择合适的阈值进行Table1Parametersofricevideocapture二值化，得到运动目标。该方法检测速度快，定位较为准确，在运动目标检测中应用范围最广。进行