基于形态和颜色特征的小麦籽粒分类识别

摘要

小麦是我国最重要的的粮食作物之一，对于小麦图像识别技术的研究一直都是农业信息化领域的一大热点。本文提出了一种基于形态和颜色特征的小麦籽粒分类的方法，不仅可以节约大量的时间、人力和物力，还可以弥补人工检测的效率低、客观性差和准确率低等缺陷。
　　本文选取了周麦18，滑麦3号，豫农202，豫教6号，洛麦29共5种小麦籽粒作为研究对象，在使用高清数码相机获取的小麦籽粒图像后，首先运用图像处理技术对小麦籽粒图像进行灰度化、增强、分割和形态学处理，而后分别提取小麦籽粒的4种形状特征（周长，面积，圆形度和伸长度）和6种颜色特征(R、G、B、H、S、I)共10类特征，之后借助构建BP神经网络对5种小麦籽粒进行分类，分别研究仅使用颜色特征作为网络输入，仅使用形状特征作为网络输入，以及将颜色特征和形状特征相结合作为网络的输入的分类结果。研究结果显示，在使用颜色特征和形状特征相结合作为BP神经网络的输入时，对3种小麦籽粒的分类准确率达到了95.6％，对4种小麦籽粒分类的准确率达到了93.3％，对5种小麦籽粒分类的准确率达到了89.3％，都要明显好于仅使用颜色特征作为网络输入和仅使用形状特征作为网络输入的分类结果。研究结果说明，本文提出的使用颜色特征和形状综合特征对小麦籽粒进行分类的方法易于实现，分类效率和准确率高。最后，本文对图像处理技术在农产品上的分类和识别的应用前景进行了分析和展望。

目录

声明

致谢

摘要

1 文献综述

1．1 国内研究现状

1．2 国外研究现状

2 引言

2．1 研究目的与意义

2．2 研究内容与技术路线

2．3 论文组织结构

3 小麦籽粒图像采集与特征提取

3．1 图像采集

3．2 图像预处理

3．2．1 图像灰度化

3．2．2 图像增强

3．2．3 图像去噪

3．3 图像分割

3．3．1 图像二值化

3．3．2 阈值分割方法

3．3．3 最大类间方差法

3．4 形态学处理

3．5 小麦的特征提取

3．5．1 形状特征提取

3．5．2 颜色特征的提取

3．6 BP神经网络

3．6．1 BP神经网络原理

3．6．2 构建BP神经网络

3．6．3 构建小麦籽粒识别网络

4 小麦籽粒分类结果与分析

4．1 仅用颜色特征作为网络输入的分类结果

4．2 仅用形状特征作为网络输入的分类结果

4．3 颜色特征和形状特征相结合作为网络输入的分类结果

5 结论与展望

参考文献