利用花生荚果图像特征识别品种与检验种子

• 作者: 赵友刚 韩仲志
• 来源期刊: 作物学报
• 关键词: 花生品种识别 主分量分析 人工神经网络 支持向量机 K-均值聚类 DUS测试
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 耕作栽培·生理生化
• 页码范围: 535-540
• 分类号: S565.2
• 语种: 中文
• DOI: 10.3724/SP.J.1006.2012.00535

摘要

为了验证以花生荚果图像特征识别品种和检验种子的可行性,选用代表北方大花生主推区的20份花生品种,从扫描图像获得花生荚果形态、颜色及纹理等50个特征,综合运用主分量分析(PCA)、神经网络(ANN)、支持向量机(SVM)、聚类分析等手段,探讨了品种识别、产地识别、DUS性状的选取和品种聚类过程,研究发现,经PCA优化特征的SVM识别模型识别效果好且识别结果稳定,20个品种的品种识别率达到90％以上.模型对3个不同产地的花生荚果正确识别率达到100％.另外从中筛选出一批对品种特异性、一致性和稳定性(DUS)测试有意义的备选特征,并建立了花生品种的谱系聚类树.研究结果对DUS性状的优选、花生品种及产地的识别及对花生谱系研究有一定参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩仲志	青岛农业大学理学与信息科学学院	37	271	10.0	15.0
2	赵友刚	青岛农业大学理学与信息科学学院	12	165	7.0	12.0