基于计算机视觉的稻谷霉变程度检测

• 作者: 孙柯 屠康 潘磊庆 王振杰 袁建 贾晓迪 都立辉
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 计算机视觉 图像处理 特征提取 稻谷 霉变 模型 检测
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 272-280
• 页数: 9页
• 分类号: S126
• 字数: 7556字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.03.037

摘要

为了实现无损检测稻谷储藏中的霉变,该研究以引起稻谷霉变的5种常见真菌(米曲霉、黑曲霉、构巢曲霉、桔青霉和杂色曲霉)为对象,首先进行真菌培养,制成悬浮液,然后将悬浮液接种到稻谷样品中,对稻谷样品模拟储藏,确定不同霉变程度的稻谷类型,划分为对照组(无霉变)、轻微霉变组和严重霉变组.利用计算机视觉系统对三组稻谷样品进行图像采集和图像处理,提取灰度、颜色和纹理特征,共获取68个图像特征.采用支持向量机(support vector machines,SVM)和偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)构建模型,分别用于无霉变稻谷与霉变稻谷的区分和稻谷霉变类型区分.为了降低模型复杂度和数据冗余,利用连续投影算法(successive projections algorithm,SPA)来消除原始数据变量间的共线性,优选特征值.结果表明:利用所有参数构建的SVM模型能够很好的区分对照组与霉变组,其中建模集和验证集总体区分准确率分别为99.7％和98.4％;SVM模型对于稻谷严重霉变类型的区分效果要优于轻微霉变稻谷,其中对稻谷轻微霉变类型建模集和验证集总体区分的准确率分别为99.3％和92.0％,对稻谷严重霉变类型区分的总体准确率分别为100％和94％,且整体上SVM模型的效果要优于PLS-DA模型.而基于SPA优选特征构建的模型区分结果表明,SVM模型区分效果优于PLS-DA模型,其中,在建模集和验证集中,对无霉变和霉变稻谷总体区分准确率分别为99.8％和99.5％,对稻谷轻微霉变种类区分总体准确率分别为99.8％和90.5％,对稻谷严重霉变种类区分总体准确率分别为100％和95.0％.因此,基于计算机视觉对稻谷霉变检测是可行的,而且SPA优选特征能够较好反映稻谷霉变特征,基于优选特征和SVM模型能够较好地稻谷霉变进行识别和区分,结果较好,可以为实际应用提供技术支持和参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屠康	南京农业大学食品科技学院	182	3053	29.0	45.0
2	潘磊庆	南京农业大学食品科技学院	87	1264	19.0	31.0
3	袁建	南京财经大学食品科学与工程学院江苏省现代粮食流通与安全协同创新中心	99	716	14.0	19.0
4	都立辉	南京财经大学食品科学与工程学院江苏省现代粮食流通与安全协同创新中心	17	51	4.0	6.0
5	王振杰	南京农业大学食品科技学院	6	36	4.0	6.0
6	孙柯	南京农业大学食品科技学院	8	36	4.0	5.0
7	贾晓迪	南京农业大学食品科技学院	1	11	1.0	1.0