科研之友
微信
新浪微博
Facebook
分享链接
摘要
小麦种子的硬度对小麦品质至关重要，而小麦种子的硬度与角质率密切相关。一般而言，随着角质率的增大，小麦种子的硬度也增大，因此对小麦种子质地的快速鉴别研究具有重要意义。本论文研究了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。然后分别运用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）三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。本研究以小麦种子为例，利用机器视觉技术进行小麦种子质地的快速鉴别，通过对小麦种子角质粉质和半角质的迅速鉴别，为小麦种子的软硬质鉴别提供借鉴和指导。
- 单位
