中国粮油学报
中國糧油學報
중국량유학보
JOURNAL OF THE CHINESE CEREALS AND OILS ASSOCIATION
2012年
10期
98-103
,共6页
玉米种子%品种识别%独立分量分析%主分量分析%支持向量机
玉米種子%品種識彆%獨立分量分析%主分量分析%支持嚮量機
옥미충자%품충식별%독립분량분석%주분량분석%지지향량궤
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.
為瞭研究玉米品種圖像識彆中的關鍵影響因素,搭建瞭一套基于PCA和ICA特徵提取和支持嚮量機(SVM)分類算法的玉米品種識彆繫統,採用掃描儀穫得瞭11箇品種每箇品種50粒圖像,基于圖像的像素特徵和統計特徵,分彆研究瞭主分量分析(PCA)和獨立分量分析(ICA)的特徵提取和特徵優化方法,併進一步攷察瞭支持嚮量機(SVM)模式分類過程中的關鍵參數優化問題.試驗結果錶明,對11箇品種550箇籽粒的品種最高檢齣率為97.17％,在同樣的情況下ICA優化的特徵較PCA優化的特徵識彆率能提高3％左右,適噹選擇統計特徵比使用像素特徵識彆率提高約10％,另外SVM參數影響到識彆效果,但整體影響不大.本方法與結論對玉米種子純度和品種真實性檢驗具有積極意義.
위료연구옥미품충도상식별중적관건영향인소,탑건료일투기우PCA화ICA특정제취화지지향량궤(SVM)분류산법적옥미품충식별계통,채용소묘의획득료11개품충매개품충50립도상,기우도상적상소특정화통계특정,분별연구료주분량분석(PCA)화독립분량분석(ICA)적특정제취화특정우화방법,병진일보고찰료지지향량궤(SVM)모식분류과정중적관건삼수우화문제.시험결과표명,대11개품충550개자립적품충최고검출솔위97.17％,재동양적정황하ICA우화적특정교PCA우화적특정식별솔능제고3％좌우,괄당선택통계특정비사용상소특정식별솔제고약10％,령외SVM삼수영향도식별효과,단정체영향불대.본방법여결론대옥미충자순도화품충진실성검험구유적겁의의.
