网站地图 加入收藏 设为首页 原创论文网,覆盖经济,法律,医学,建筑,艺术等800余专业,提供60万篇论文资料免费参考

计算机视觉在种子品质检测和分级中的应用

作者:原创论文网 时间:2013-01-19 09:38 加入收藏
  计算机视觉技术在农业领域中的应用已经越来越广泛,种子资源的品质检测和分级中的应用是其中的一项重要课题。为此,介绍了计算机视觉系统的基本处理过程和信息的分类识别算法,分别讨论了计算机视觉在种子的形状、颜色、纹理检测方面的实际应用情况。最后,指出了计算机视觉应用于种子资源检测中存在的问题。
  0 引言农作物种子质量的好坏直接影响作物产量的高低和产品的优劣,在农业上有着举足轻重的地位。为了加强农作物种子管理,保证种子质量,种子管理和技术监督部门制定了《农作物种子检验程序》《主要农作物种子分级标准》等一系列农作物种子分级标准和种子的生产、质量检测规范。实践证明,计算机视觉技术是一种有效的种子品质检测分级方法。其可以通过对种子的外形、颜色、纹理等特征的提取测量对种子进行分类和质量检测,并满足自动实时的要求。本文概述了计算机视觉检测系统的设计构成,并在此基础上介绍了计算机视觉技术在农作物种子外观检测上的应用和发展现状,同时针对其中存在的问题进行了探讨。
  1 计算机视觉系统组成计算机视觉是利用代替人眼的图像传感器获取物体图像,将图像转换成数字图像,并利用计算机模拟人的判别准则去理解和识别图像,达到分析图像和提取被检测物体特征的目的;是人眼的延伸,可以代替人脑的部分工作,更具有客观性和标准性。
  1. 1 硬件系统的组成实现计算机图像处理的基本硬件包括图像获取设备和图像处理设备。其中,图像获取设备一般由光源、CCD摄像头、图像采集卡组成。在图像背景选择上以与识别对象对比度大的颜色为最佳,光源可依据光源光谱、CCD摄像元件光谱和对象表面的反射光谱进行选择。1996年,宋韬就讨论了籽粒黑白图象识别系统中光源波长的计算方法。除了常用CCD的摄像头,闸建文等针对种子颗粒体积小的特点,尝试利用扫描仪进行种子外表特征的数据批量采集,获得了精度高、变形小、不易受外界环境和人为因素影响的种子图像。
  1. 2 软件系统的实现过程要使计算机硬件系统良好地实现其功能,必须有与其匹配的软件系统。软件系统的大致框架如图1所示。其中,预处理的主要目的是为了方便图像分割和提取诸如边缘、线条、边界以及色彩等关于对象的基本特征。基本的处理过程。
  1. 2. 1 系统的开发工具软件系统有许多种开发工具,VisualBasic, C/C++,VisualC++和Delphi等编程语言运用较为广泛。除此以外,MATLAB拥有丰富的程式工具箱和仿真功能,程式结构强又兼具延展性,因此也被应用到各种程序的开发。成芳基于MATLAB平台建立了5个杂交稻种的信息库。
  1. 2. 2 分类识别方法信息识别是根据提取的特征向量进行分析、分类的过程,一般采用模式识别的方法,常用的有贝叶斯决策、支持向量机等。1999年,Y. Chtioui[7]提出了用Rough sets理论作为模式分类工具通过计算机视觉技术来评价蚕豆品质的方法。这一理论提出用两种不同的离散方法来区分合格、不合格蚕豆和石头。2004年,黄星奕等[8]将稻谷的颜色特征和形状特征结合起来逐个品种识别,通过贝叶斯决策方法建立识别分类器,识别正确率达到88. 3%以上。
  近年来,神经网络作为人工智能领域发展最快的信息处理技术在计算机视觉中得到了广泛的应用。1991年, Zamfira将神经网络系统用于谷物分类。1996年,宋韬用建立的一个3层前馈神经元网络,实现了一幅多颗粒任意放置玉米粒的完整与破损的在线自动识别。1999年,黄星奕等建立了一个双重结构神经网络分类器,从胚芽米图像中提取米粒的物理特征作为网络分类器的输入进行训练,实现了留胚率的自动检测。2005年, Chang_Chun Liu等提取了稻谷的形态和颜色相关的60种特征,并利用反馈型神经网络建立了5个检测模型,这5个模型选取了不同的部分特征参数,对5种大米进行识别,识别率平均都在91%以上。
  2 在种子品质检测和分级中的应用图像特征包括形状、颜色、纹理等。基于计算机视觉的种子品质检测也都针对这3方面展开。
  2. 1 在形状检测方面的应用外形主要包括对象的尺寸、周长、面积等特征参数,以及用这些参数来表征的形状。1995年,王丰元设计了用计算机图像处理技术检测种子几何特征参数的实用系统,主要检测了种子X和Y方向的二维尺寸、面积、周长、当量半径、形状复杂度、质心间的距离和边缘间的距离,并给出各参数的群体统计特征和分布特性。
  种子的形状也是外形一个重要识别特征,而形状有多种识别方法,如傅立叶算子、主分量分析、不变形距等。1998年,王丰元根据传统Hough变换,采用粗选物体点、分类选择同一圆上点和加权累积的方法,设计了高效检测圆形物体的算法。1999年,应义斌提出在黄花梨的分级过程中采用傅立叶变换来描述果形,该方法也可以用来对其它水果进行外形识别。1995年,Ninomiya用主分量来减少傅立叶系数的数量,从而区分大米和破损小麦的形状。
  传统傅立叶分析方法对于奇异信号处理能力较差,小波分析则能弥补这一缺点。小波分析是近年来发展起来的理论与应用数学分支,主要用来分析、处理奇异性强的不平稳信号。小波变换是一种多尺度分析方法,可以将信号在不同尺度上分解为低频(趋势)和高频(细节)部分,具有良好的时频域分析特性。2006年,权龙哲采用coif5小波来识别玉米籽粒尖顶,并用两点正形法将单个籽粒摆正。
  2. 2 在颜色方面的应用颜色参量可以准确有效地表征图像的主要特征。计算机视觉中通过颜色系统表达物体的颜色信息,一般彩色图像的颜色系统有RGB,HIS, NTSC和YcbCr等。其中, RGB颜色空间以R (Red红)、G (Green绿)、B(Blue蓝)3种基本色为基础,进行不同程度的叠加,产生丰富的颜色。此系统依照人类视觉的显色机制表达物体的颜色信息,在图像处理中使用方便。HIS是用H(Hue色调)、I(Intensity亮度)和S(Satura-tion饱和度)来表示的色彩模式,可以定量地描述颜色对人眼的视觉作用,在色觉上更加直观。
上一篇:计算机多媒体辅助教学在高校体育教学中的应用
下一篇:药理学教学中计算机应用探讨
重要提示:转载本站信息须注明来源:原创论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。
别人都分享了,你还在等什么?赶快分享吧!
更多
计算机视觉在种子品质检测和分级中的应用相关文章
我们的服务
联系我们
热门推荐
热门推荐