目标识别技术在种子计数方法中的研究

摘要

农作物种子作为特殊的商品，在农业生产中具有不可替代的作用。农作物种子的千粒重是体现种子大小与饱满程度的一项关键指标，是检验种子质量的衡量标准。千粒重的测量是以种子计数为基础，而在短时间内精确统计出农作物种子颗粒的数目是一项比较复杂的任务。如今我国主要以人工计数及光电管计数两种方式对农作物数目进行统计，但上述两种计数方法都存在精度低、成本高的缺点。 针对此问题，本课题将数字图像处理与目标识别两项技术作为基础，以农作物种子的识别及统计为目的，完成种子数目统计过程的算法研究，并且以 Matlab为仿真工具，实现粘连种子的计数。 首先，根据研究背景选择在农作物产量中居于首位的玉米种子作为研究对象，对其进行图像灰度化，图像增强等必需的预处理操作；其次，介绍几种经典的图像分割算法，根据玉米种子图像的特点及算法优势选择模糊 C 均值聚类算法对图像进行分割，并提出面向邻域灰度及空间特征加权的FCM以实现图像中种子目标和背景的更好分离；然后，对仍存在深度粘连情况的玉米种子采用特征提取及连通区域标记，将得到的有效特征作为向量输入到已优化好核参数的RBF核构成的SVM中，从而实现对图像中种子粘连类型的识别；最后，在种子粘连分类的基础上按照预先规定的计数规则进行分割并计数。 通过Matlab对不同数目的种子进行大量仿真测试，结果表明本研究用于统计农作物种子颗粒数目时，计数精度较高，且耗时较短，在计算农作物种子颗粒的千粒重指标及对农业生产领域有着实际的指导意义和普遍的运用价值。

目录

第一个书签之前