-
题名基于机器视觉的玉米种粒破损识别方法研究
被引量：8
- 1
-
-
作者
崔欣
张鹏
赵静
徐文腾
马伟童
金城谦
-
机构
山东理工大学农业工程与食品科学学院
雷沃重工股份有限公司
-
出处
《农机化研究》
北大核心
2019年第2期28-33,84,共7页
-
基金
山东省农机装备研发创新计划项目(2017YF004)
山东省高等学校优势学科人才团队培育计划
+2 种基金
山东省高等学校科技计划项目(J11LD23)
山东省重点研发计划(公益类)项目(2017GGX30122)
国家重点研发计划项目(2016YFD0701101)
-
文摘
针对玉米种粒在收获、脱粒、贮藏时因各种因素造成损伤和人工选种耗时耗力的问题,提出了一种基于机器视觉的玉米种粒破损检测方法。首先,利用图像获取装置得到单粒玉米种粒图像,通过差影法确定图像噪声种类,采用中值滤波方法对图像进行降噪;其次,标记图像边界,运用灰度阈值法完成玉米种粒图像分割。根据玉米种粒的形态特征分别提取玉米种粒的周长、面积、周长面积比、长轴长、短轴长、长宽比6个几何特征和矩形度、圆形度、紧凑度、7个Hu不变矩10个形状特征,共16个特征。完整玉米种粒和破损玉米种粒图像各50幅作为训练样本,将提取的16个特征分量作为输入量,对支持向量机(Support Vector Machine,SVM)进行训练,输出量为1、0,分别代表"合格""不合格",训练完成后获得玉米种粒的SVM识别模型;另取完整的玉米种粒和破损的玉米种粒图像各50幅作为测试样本,对训练好的SVM模型进行测试。结果表明:该检测方法对玉米种粒破损识别准确率达95%以上,识别100幅玉米种粒图像的时间为1.27s。研究结果为玉米种粒的实时破损检测提供了参考。
-
关键词
玉米种粒
破损识别
机器视觉
特征提取
SVM
-
Keywords
corn seed
breakage inspection
machine vision
feature extraction
SVM
-
分类号
S126
[农业科学—农业基础科学]
-
