共查询到20条相似文献,搜索用时 31 毫秒
1.
为了实现图像处理技术对小麦容重影响因素的分析和容重的准确识别,研究了一种基于小麦图像特征和模式识别的小麦容重检测方法。采集不同容重小麦完整籽粒和籽粒横切面图像,对图像进行中值滤波、形态学运算、图像分割等处理,提取原图像与处理后图像的形态、颜色和纹理共3大类44个特征参数。最后采用逐步判别分析对提取的特征参数进行筛选,建立线性参数统计分类器和BP神经网络模型实现小麦不同容重的检测。结果表明,与小麦横切面图像特征相比,小麦完整籽粒图像的特征参数能更好的反映不同容重的差异;2种分类器对基于完整籽粒图像的小麦容重整体识别率均在95%以上。研究结果证明将图像处理技术应用于小麦容重检测识别是可行的。 相似文献
2.
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,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。 相似文献
3.
4.
为有效检测高湿度环境下谷类籽粒硬度,以某谷类食品加工厂生产的野生二粒小麦为试验对象,采用高光谱图像成像系统获取野生二粒小麦高光谱图像,通过基于匹配思想的自适应消噪方法(PLS)去除野生二粒小麦高光谱图像的带状噪声,增强高湿度环境下野生二粒小麦高光谱图像质量,在此基础上,将野生二粒小麦光谱数据的平均值作为光谱数据,构建高湿度环境下野生二粒小麦籽粒硬度预测模型,实现对高湿度环境下谷类籽粒硬度的准确检测。仿真试验结果表明,当加工环境湿度为55%时,本文方法检测野生二粒小麦籽粒硬度值平均结果为1745 g,与标准红外检测方法得到的结果差值仅有3 g;当环境湿度提高到75%时,本文方法检测结果为1712 g,与标准红外检测方法相差42 g,本文方法检测野生二粒小麦籽粒硬度结果精度高,优于声振频带幅值特性法,是一种高精度的高湿度环境谷类籽粒硬度检测方法。 相似文献
5.
6.
小麦霉变籽粒是小麦不完善粒一种,鉴别小麦霉变粒是粮食霉变程度的重要参考。为了更精确地鉴别小麦霉变籽粒,本文利用高光谱成像技术采集不同品种小麦霉变籽粒及非霉变籽粒的光谱信息,建立小麦霉变籽粒的鉴别预测模型,实现小麦霉变籽粒快速、无损、有效、稳定的鉴别。首先收集了100粒霉变和100粒正常非霉变籽粒400-1000 nm范围的高光谱图谱,通过不同的光谱预处理方法进行处理,选出最优光谱信息预处理方法。接着,采用连续投影算法(SPA)和竞争性自适应重加权采样(CARS)提取特征波长,分别比较通过全波长范围和特征波长下建立的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型并进行比较。结果表明,淮麦22和宁麦13的最优预测模型分别为全波长-OSC-SVM和SPA-OSC-SVM模型,对应的R分别为0.9963和0.9998,RMSEP分别为0.0309和0.0064,R分别为0.9975和0.9995,RMSECV分别为0.0247和0.0111。 相似文献
7.
8.
基于ANN和PCA的玉米品种特征分析与识别研究 总被引:4,自引:0,他引:4
研究了一种基于玉米外观形态和颜色特征进行的玉米品种的特征主分量分析及BP神经网络识别方法。采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个,颜色特征12个、纹理特征13个,共33个特征参数,采用主分量分析PCA的方法提取其主分量,将这些主分量作为BP神经网络的输入,构建4层神经网络,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的神经网络识别模型。试验结果表明,方法对11个品种550个籽粒的品种检出率为92%以上,得到了较好的识别效果。 相似文献
9.
10.
11.
为了更精确地鉴别小麦品种,实现小麦品种快速、无损、有效、稳定的鉴别。利用高光谱成像系统采集6个小麦品种籽粒光谱和图像信息,提取小麦籽粒胚、胚乳、胚和胚乳混合部位的光谱,采用不同的预处理方法对原始光谱进行处理,利用竞争性自适应重加权算法(CARS)和连续投影算法(SPA)提取特征波长,基于全波长和特征波长建立线性判别分析(LDA)、支持向量机(SVM)和K最邻近(KNN)模型,筛选出最佳的籽粒部位光谱、预处理方法和特征波长提取方法;在此基础上,分析光谱信息、形态特征及二者结合信息对小麦品种的鉴别效果。结果表明,基于34个特征波长光谱信息结合形态特征建立的LDA模型效果最佳,其训练集和预测集的正确判别率分别为91.3%和86.0%。基于高光谱成像技术进行小麦品种鉴别是可行和有效的。 相似文献
12.
13.
适度高温对不同筋力冬小麦蛋白组分、面粉品质和面条加工品质的影响 总被引:2,自引:1,他引:2
采用2个面筋强度不同的冬小麦品种为材料,在其籽粒灌浆的不同时期(开花后15天、20天和25天)进行适度高温(日平均温度<32℃,未达到热胁迫水平)处理,研究了不同处理条件下对小麦蛋白组分、面粉品质和面条加工品质的影响.结果表明:适度高温处理对不同筋力小麦醇溶蛋白的影响趋势一致,但对谷蛋白的影响却有较大差异;不同筋力小麦的蛋白组分对适度高温处理的反应不同;适度高温处理对筋力强的小麦淀粉品质的影响程度优于筋力弱的小麦;小麦开花后20天时适度高温处理利于优质面团品质的形成;适度高温处理利于面条的弹性和面条评分,不同处理间的影响程度不同. 相似文献
14.
纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫(MarKov)随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。 相似文献
15.
16.
17.
18.
19.
基于图像处理的稻米垩白自动检测研究 总被引:4,自引:1,他引:4
应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。 相似文献
20.
基层粮库小麦收购入库工作量大,小麦的呕吐毒素含量检测成本高、时间长,不能满足收购现场的需要。基层粮库小麦收购入库,可以通过赤霉病粒含量的检测来辅助判断呕吐毒素是否超标,对赤霉病粒严重的小麦在清杂后通过籽粒比重的差异实施分选处理,大大降低小麦赤霉病粒含量、呕吐毒素含量,这种处理方法对实际应用有极强的意义。 相似文献