山东省自然科学基金(2009ZRA02123)
- 作品数：4 被引量：84H指数：4
- 相关作者：韩仲志赵友刚杨锦忠李向红熊凯更多>>
- 相关机构：青岛农业大学烟台南山学院更多>>
- 发文基金：山东省自然科学基金山东省科技攻关计划青岛市科技发展计划项目更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 花生外观品质品种图像分析与系统仿真被引量：6
- 2010年
- 针对目前花生外观品质检测的局限性,提出采用图像处理的方法进行的花生外观品质的检测,并基于Matlab的图形用户界面(GUI)环境建立仿真平台,平台集成了ANN、SVM等模式识别新方法和相应的经典图像处理算法,并给出了在该平台上的仿真实例,针对10个品种、14种品质的单籽粒图片共4 800副,检测了形态、颜色和纹理3大类共33个特征,采用了基于ANN和SVM识别模型对花生的商业规格、品种和品质进行了检测,总体检测正确率达到了97%以上,该平台具有良好的交互性、扩展性、可视性和实用性,对花生外观品质评价结果客观量化、快速无损。该平台在花生的生产、流通、贸易领域具有一定的实用性。
- 韩仲志赵友刚
- 关键词：花生图像处理人工神经网络仿真平台
- 基于籽粒RGB图像独立分量的玉米胚部特征检测被引量：49
- 2010年
- 玉米胚部特征是重要的农艺性状之一,目前主要通过手工方法进行测量。为实现通过机器视觉图像处理的方法进行玉米胚部特征的自动检测,提出一种基于独立分量分析ICA的玉米胚部测量方法,并建立了检测模型。首先对玉米籽粒的RGB图像进行ICA分析,发现具有最大熵的独立分量IC代表着胚部与籽粒其他部分的对比。根据此IC能够实现玉米胚部的准确分割。然后,提取了玉米胚部面积等9个特征。和手工检测结果相比,面积误差为0.7%,决定系数达0.984,其他8个特征的误差总体也都在2%以下。与前人的基于颜色模型区域生长的检测结果比较,检测准确度有明显提高。表明采用基于ICA的方法检测的结果准确可靠,能够用于玉米胚部的自动检测。
- 韩仲志赵友刚杨锦忠
- 关键词：农作物图像处理独立分量分析玉米籽粒
- 基于ANN和PCA的玉米品种特征分析与识别研究被引量：12
- 2010年
- 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。
- 熊凯李向红李言照韩仲志
- 关键词：计算机视觉
- 基于计算机视觉的花生品质分级检测研究被引量：34
- 2010年
- 【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。
- 韩仲志赵友刚
- 关键词：花生仁计算机视觉无损检测
