中国农业科学
中國農業科學
중국농업과학
SCIENTIA AGRICULTURA SINICA
2005年
9期
1869-1875
,共7页
普通小麦%品种%图像处理%模式识别
普通小麥%品種%圖像處理%模式識彆
보통소맥%품충%도상처리%모식식별
基于数字图像分析,利用小麦籽粒的20个形态特征和12个颜色特征对来自中国4个地点7个春小麦品种共28个样本进行分类和识别.对于不同品种和地区的样本,分别利用逐步判别分析,选取显著性较大的特征参量,建立各地区和品种的贝叶斯分类器模型.结果表明,对各地区品种识别的正确回判率和测试集的正确识别率均达到100%.将各样本按品种合并,再对合并后的样本进行品种识别,除了新克旱9号的回判率为98.3%外,其它品种的回判率均为100%.测试集中,龙麦26和青春566正确识别率分别为97.5%和95.0%,其它品种均为100%.品种来源地识别也能达到较高的水平,甘肃、宁夏、新疆和黑龙江的正确识别率分别为88.6%、92.9%、72.9%和95.7%.说明利用籽粒图像对小麦品种进行识别高效可行.
基于數字圖像分析,利用小麥籽粒的20箇形態特徵和12箇顏色特徵對來自中國4箇地點7箇春小麥品種共28箇樣本進行分類和識彆.對于不同品種和地區的樣本,分彆利用逐步判彆分析,選取顯著性較大的特徵參量,建立各地區和品種的貝葉斯分類器模型.結果錶明,對各地區品種識彆的正確迴判率和測試集的正確識彆率均達到100%.將各樣本按品種閤併,再對閤併後的樣本進行品種識彆,除瞭新剋旱9號的迴判率為98.3%外,其它品種的迴判率均為100%.測試集中,龍麥26和青春566正確識彆率分彆為97.5%和95.0%,其它品種均為100%.品種來源地識彆也能達到較高的水平,甘肅、寧夏、新疆和黑龍江的正確識彆率分彆為88.6%、92.9%、72.9%和95.7%.說明利用籽粒圖像對小麥品種進行識彆高效可行.
기우수자도상분석,이용소맥자립적20개형태특정화12개안색특정대래자중국4개지점7개춘소맥품충공28개양본진행분류화식별.대우불동품충화지구적양본,분별이용축보판별분석,선취현저성교대적특정삼량,건립각지구화품충적패협사분류기모형.결과표명,대각지구품충식별적정학회판솔화측시집적정학식별솔균체도100%.장각양본안품충합병,재대합병후적양본진행품충식별,제료신극한9호적회판솔위98.3%외,기타품충적회판솔균위100%.측시집중,룡맥26화청춘566정학식별솔분별위97.5%화95.0%,기타품충균위100%.품충래원지식별야능체도교고적수평,감숙、저하、신강화흑룡강적정학식별솔분별위88.6%、92.9%、72.9%화95.7%.설명이용자립도상대소맥품충진행식별고효가행.
