小麦不完善粒的高光谱图像检测方法研究

• 作者: 刘倩 刘翠玲 吴静珠 张银桥 毛文华 董晶晶
• 来源期刊: 电子测量与仪器学报
• 学科: 农学
• 关键词: 高光谱成像 光谱特征 图像特征 不完善粒 支持向量机
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1074-1080
• 页数: 7页
• 分类号: S24
• 字数: 4744字
• 语种: 中文
• DOI: 10.13382/j.jemi.2017.07.013

摘要

为了实现高光谱图像处理技术对小麦不完善粒的快速准确鉴别,研究了一种基于小麦不完善粒高光谱图像的光谱和图像特征,结合多分类支持向量机的不完善粒的识别方法.实验采集小麦不完善粒的高光谱图像,对图像进行图像增强、阈值分割等处理后,提取7个纹理特征和5个形态特征作为分类器的输入,应用多分类支持向量机分别建立并比较基于光谱特征、基于图像特征以及基于光谱和图像特征组合的不完善粒识别模型的分类精度.基于光谱特征建立的4分类模型总识别率达94.73%,黑胚粒与正常粒的识别率分别为100%、98.63%,效果较好,但虫蚀粒与破损粒的识别精度均低于90%;基于图像特征的不完善粒识别率相对较低;融合光谱与图像特征建立的4分类支持向量机模型总识别率达97.89%,其中虫蚀粒识别率从89.79%提高到95.91%,破损粒识别率从84%提高到94%,识别效果最佳.实验结果表明,高光谱成像技术可以快速、无损鉴别单籽粒小麦不完善粒,该技术在小麦种子质量快速、高通量、无损检测领域具有的应用潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张银桥		13	184	10.0	13.0
2	刘翠玲	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	119	568	11.0	17.0
3	吴静珠	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	67	599	14.0	21.0
4	毛文华		40	705	15.0	26.0
5	刘倩	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	7	55	4.0	7.0
6	董晶晶	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	3	14	2.0	3.0