基于Kernel-ICA和X-ray成像的品种分类研究

• 作者: 万剑华 韩仲志
• 来源期刊: 中国粮油学报
• 学科: 农学
• 关键词: 小麦 Kernel-ICA X-ray成像 品种分类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 信息自动化
• 页码范围: 123-127
• 页数: 5页
• 分类号: S126
• 字数: 3610字
• 语种: 中文

摘要

对农作物品种正确分类是作物分类学的重要内容,为考察X-ray成像技术对小麦品种分类研究的有效性,基于软X-ray成像仪采集的3品种(Kama,Rosa and Canadian)每个品种70个籽粒,共210个籽粒样本的X-ray扫描图像,并针对其7个形态几何特征(面积、周长、紧致度、籽粒长度、宽度、偏斜度、种子腹沟长度),提出了一种使用Kernel-ICA的方法先对特征进行优化,再进行小麦品种的聚类与识别的方法,并与K-means、C-means 2种聚类方法以及基于工神经网络(ANN)和支持向量机(SVM)2种识别方法的分类结果进行比较,结果发现:分类正确率从高到低分别为:Kernel-ICA、SVM、C-means、K-means、BP-ANN,分类正确率分别为:91.9％、90.5％、89.5％、87.1％、86.9％.研究提出的Kernel-ICA的方法,聚类优化和识别能力较强,对软X-ray成像的小麦品种进行分类,已基本上满足农艺上对小麦品种分类需要,对农作物种质资源鉴别和作物品种分类研究具有积极意义.