基于LDASVM的小麦质地检测方法研究

作者：赵薇; 赵雪妮; 康凯; 刘长斌; 罗斌; 张晗^*

来源：中国粮油学报, 2023, 38(01): 146-152.

DOI：10.20048/j.cnki.issn.1003-0174.000463

• 透射光
• 小麦质地
• 角质率
• 机器视觉
• 机器学习

研究基于透射光图像的小麦质地检测方法，使用工业相机采集14种小麦种子的透射光图像，通过图像处理技术获取整粒小麦、胚乳和种胚代表性区域，并提取对应区域的颜色特征数据。分别运用PCA和LDA进行数据降维，并将降维前后的数据与支持向量机(SVM)、K近邻算法(KNN)和决策树模型(DT)3种分类器相结合建立分类模型，对不同品种小麦质地进行分类识别研究。结果表明：利用图像处理技术提取透射光全部特征，建立的LDA＿SVM模型分类正确率可以达到97%以上，证明透射光图像下通过机器学习对不同质地小麦快速分类鉴别是可行的。

• 单位
  陕西科技大学; 北京市农林科学院; 机电工程学院