山东省自然科学基金(ZR2009GM006)
- 作品数：4 被引量：52H指数：4
- 相关作者：马文杰邓立苗唐俊栾涛陈辉更多>>
- 相关机构：青岛农业大学更多>>
- 发文基金：山东省自然科学基金青岛市公共领域科技支撑计划项目更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于支持向量机的玉米叶片品种识别被引量：5
- 2014年
- 基于图像处理方法,以23个常见玉米品种叶片作为供试样本,每张叶片采集反射和透射图像,每幅图像分别提取形态、颜色和纹理三大类共48个外观特征,构建支持向量机模型进行训练识别。结果表明,48个特征的整体识别率可达到87%以上,颜色类特征较形态类和纹理类特征具有较高的识别率,形态类特征中反映大小的特征识别率较低。对不同类别的特征组合后,识别率均达到86%以上。品种的数量影响着样本识别结果,当品种数量大于17之后,识别率明显降低。透射图像较反射图像具有更好的识别效果。
- 邓立苗马文杰
- 关键词：图像处理支持向量机玉米
- 基于图像处理的玉米叶片特征提取与识别系统被引量：27
- 2014年
- 为实现玉米叶片外观特征自动提取与品种识别,基于Matlab环境构建了一个玉米叶片外观特征提取与识别系统。系统能够实现批量玉米叶片图像预处理,然后提取颜色、形状和纹理等外观特征共48个,并采用支持向量机和神经网络方法进行训练与品种识别;为了方便确定图像分割阈值,以可视化的方式实现了阈值计算功能。系统通过参数设置可以实现批量叶片图像处理与识别,界面风格统一操作方便,通用性强,易于扩展,只要稍作修改即可应用于类似应用环境中,可作为图像常规特征提取与识别的通用平台。
- 邓立苗唐俊马文杰
- 关键词：图像处理神经网络支持向量机
- 基于图像处理的玉米叶片姿态测量方法研究被引量：4
- 2014年
- 为实现玉米叶片姿态的自动测量,针对玉米叶片形态特征,提出了基于图像处理的玉米叶片姿态自动测量方法。首先采用迭代方法对叶片图像细化,提取骨架图像上的各像素点,然后采用最大距离法计算叶片的弯曲度,通过测量叶片最高点与叶尖的垂直距离计算下垂度,最后对2种测量方法进行测试和分析。结果表明,所提出的叶片姿态测量的2种方法对样本叶片的测试准确率分别为92.4%和88.2%,能够有效描述和量化不同玉米品种的叶片弯曲程度,方法简单易行,且测量过程不需要标度校准。
- 邓立苗于仁师马文杰
- 关键词：图像处理DUS测试
- 基于机器视觉的玉米叶片透射图像特征识别研究被引量：17
- 2014年
- 【目的】建立玉米品种的叶片透射图像特征数据库,研究特征随品种的变化规律,分析各类特征的识别效果,为进一步研究玉米生长期间的机器视觉品种识别提供依据。【方法】以生产中推广的21个常规玉米品种为供试材料,分别采集拔节期、小喇叭口期、大喇叭口期、抽雄开花期4个生育时期的玉米叶片。在灯箱内,采集每一叶片的高画质透射图像,共计420张。基于Matlab R2009a开发了"玉米叶片特征提取与识别软件",包括图像预处理、特征提取、神经网络识别和阈值选取4个功能模块。依据开发的特征识别平台,对玉米叶片透射图像进行图像预处理和特征提取。提取形态类、颜色类和纹理类共计48个特征,特征数据量共计20 160条。分析48个特征品种间的变异系数,研究玉米叶片透射图像特征随品种的变化规律。建立BP神经网络模型进行综合识别,分析不同时期单特征的识别效果,寻找玉米叶片透射图像中品种区分能力较强的重要特征。进一步分析不同时期3大类特征及其组合的识别效果。【结果】在玉米的4个生育时期,叶片透射图像3类特征品种间的变异系数差异比较明显,颜色类特征变异系数最大,其次是纹理类特征变异系数,形态类特征变异系数最小,并且这种差异随着玉米的生长十分稳定。在玉米的4个生育时期,叶片透射图像48个特征的品种识别率差异比较明显,为9.52%—29.33%。R分量的标准差、短轴长、H分量的标准差、等面圆直径、H分量的平均值、V分量的标准差、B分量的标准差、不变矩6、椭圆度、S分量的平均值、外接凸多边形面积、B分量的平均值、平滑度、S分量的峰度、S分量的标准差的识别率较高,平均识别率在18%以上。单类特征中,颜色类特征识别率最高,平均86.76%;纹理类特征次之,平均为78.05%;形态类特征最低,平均为68.67%。颜色类特征和纹理类特�
- 唐俊邓立苗陈辉栾涛马文杰
- 关键词：玉米机器视觉人工神经网络
