CAJ | 학술논문

为提高基于图像处理的小麦品种识别的准确率,首先选取L8998、内乡188、9023、优展1号、豫麦47、周麦12等6个品种作为研究对象,对采集到的小麦颗粒图像进行中值滤波后采用迭代式阈值法分割图像,提取出颜色、形态和纹理3方面共16个特征,然后通过构建神经网络研究了小麦品种的识别准确率与品种数量之间的关系.最后,为避免网络因达到局部最优而停止训练,利用MIV算法计算了各输入特征参数对分类结果的平均影响值,进而使用遗传算法对网络结构进行了优化.结果表明,随着小麦品种的增加,分类的准确率逐步下降,当待识别的小麦种类增加到6类时,优化后的神经网络的样本识别准确率从81.3％增加至85.6％,有效提高了小麦品种分类的准确性.
위제고기우도상처리적소맥품충식별적준학솔,수선선취L8998、내향188、9023、우전1호、예맥47、주맥12등6개품충작위연구대상,대채집도적소맥과립도상진행중치려파후채용질대식역치법분할도상,제취출안색、형태화문리3방면공16개특정,연후통과구건신경망락연구료소맥품충적식별준학솔여품충수량지간적관계.최후,위피면망락인체도국부최우이정지훈련,이용MIV산법계산료각수입특정삼수대분류결과적평균영향치,진이사용유전산법대망락결구진행료우화.결과표명,수착소맥품충적증가,분류적준학솔축보하강,당대식별적소맥충류증가도6류시,우화후적신경망락적양본식별준학솔종81.3％증가지85.6％,유효제고료소맥품충분류적준학성.