作物学报
作物學報
작물학보
ACTA AGRONOMICA SINICA
2012年
3期
535-540
,共6页
花生品种识别%主分量分析%人工神经网络%支持向量机%K-均值聚类%DUS测试
花生品種識彆%主分量分析%人工神經網絡%支持嚮量機%K-均值聚類%DUS測試
화생품충식별%주분량분석%인공신경망락%지지향량궤%K-균치취류%DUS측시
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.
為瞭驗證以花生莢果圖像特徵識彆品種和檢驗種子的可行性,選用代錶北方大花生主推區的20份花生品種,從掃描圖像穫得花生莢果形態、顏色及紋理等50箇特徵,綜閤運用主分量分析(PCA)、神經網絡(ANN)、支持嚮量機(SVM)、聚類分析等手段,探討瞭品種識彆、產地識彆、DUS性狀的選取和品種聚類過程,研究髮現,經PCA優化特徵的SVM識彆模型識彆效果好且識彆結果穩定,20箇品種的品種識彆率達到90％以上.模型對3箇不同產地的花生莢果正確識彆率達到100％.另外從中篩選齣一批對品種特異性、一緻性和穩定性(DUS)測試有意義的備選特徵,併建立瞭花生品種的譜繫聚類樹.研究結果對DUS性狀的優選、花生品種及產地的識彆及對花生譜繫研究有一定參攷價值.
위료험증이화생협과도상특정식별품충화검험충자적가행성,선용대표북방대화생주추구적20빈화생품충,종소묘도상획득화생협과형태、안색급문리등50개특정,종합운용주분량분석(PCA)、신경망락(ANN)、지지향량궤(SVM)、취류분석등수단,탐토료품충식별、산지식별、DUS성상적선취화품충취류과정,연구발현,경PCA우화특정적SVM식별모형식별효과호차식별결과은정,20개품충적품충식별솔체도90％이상.모형대3개불동산지적화생협과정학식별솔체도100％.령외종중사선출일비대품충특이성、일치성화은정성(DUS)측시유의의적비선특정,병건립료화생품충적보계취류수.연구결과대DUS성상적우선、화생품충급산지적식별급대화생보계연구유일정삼고개치.
