国家农业科技成果转化资金项目(2010GB2C600255)
- 作品数：3 被引量：21H指数：3
- 相关作者：韩仲志赵友刚邓立苗于仁师李言照更多>>
- 相关机构：青岛农业大学更多>>
- 发文基金：青岛市科技发展计划项目山东省自然科学基金山东省科技攻关计划更多>>
- 相关领域：农业科学更多>>
- 利用花生荚果图像特征识别品种与检验种子被引量：9
- 2012年
- 为了验证以花生荚果图像特征识别品种和检验种子的可行性,选用代表北方大花生主推区的20份花生品种,从扫描图像获得花生荚果形态、颜色及纹理等50个特征,综合运用主分量分析(PCA)、神经网络(ANN)、支持向量机(SVM)、聚类分析等手段,探讨了品种识别、产地识别、DUS性状的选取和品种聚类过程,研究发现,经PCA优化特征的SVM识别模型识别效果好且识别结果稳定,20个品种的品种识别率达到90%以上。模型对3个不同产地的花生荚果正确识别率达到100%。另外从中筛选出一批对品种特异性、一致性和稳定性(DUS)测试有意义的备选特征,并建立了花生品种的谱系聚类树。研究结果对DUS性状的优选、花生品种及产地的识别及对花生谱系研究有一定参考价值。
- 韩仲志赵友刚
- 关键词：主分量分析人工神经网络支持向量机K-均值聚类DUS测试
- 玉米品种图像识别中的影响因素研究被引量：7
- 2012年
- 为了研究玉米品种图像识别中的关键影响因素,搭建了一套基于PCA和ICA特征提取和支持向量机(SVM)分类算法的玉米品种识别系统,采用扫描仪获得了11个品种每个品种50粒图像,基于图像的像素特征和统计特征,分别研究了主分量分析(PCA)和独立分量分析(ICA)的特征提取和特征优化方法,并进一步考察了支持向量机(SVM)模式分类过程中的关键参数优化问题。试验结果表明,对11个品种550个籽粒的品种最高检出率为97.17%,在同样的情况下ICA优化的特征较PCA优化的特征识别率能提高3%左右,适当选择统计特征比使用像素特征识别率提高约10%,另外SVM参数影响到识别效果,但整体影响不大。本方法与结论对玉米种子纯度和品种真实性检验具有积极意义。
- 韩仲志杨锦忠李言照
- 关键词：玉米种子独立分量分析主分量分析支持向量机
- 基于图像处理的花生荚果品种识别方法研究被引量：7
- 2012年
- 为实现品种鉴定与真伪识别的自动化,基于图像识别的方法,采用扫描仪采集了20个品种,每个品种100颗花生果正面和2个侧面的图像,分别获取每幅图像的形态、颜色和纹理三大类共50个特征,并对这些特征进行主分量分析(PCA)优化,针对优化和没有优化的特征,搭建了人工神经网络识别模型和支持向量机模型,并采用两种模型进行品种识别,结果表明,采集的特征经PCA优化后表现出更强的识别性能,SVM较神经网络识别效果总体上得到提高,并且识别效果稳定。品种的数量对识别效果有影响,在通常情况下可根据品种的数量来确定特征的数量,可以进一步提高效率,对20个品种,需要选择超过15个特征。颜色类特征比形态类和纹理类特征具有更好的识别效果,经过不同类别的特征组合后,整体上识别性能达到90%以上,基本可以推广到实际生产中使用。
- 韩仲志邓立苗于仁师
- 关键词：花生荚果神经网络支持向量机主分量分析
