河南工业大学学报(自然科学版)
河南工業大學學報(自然科學版)
하남공업대학학보(자연과학판)
JOURNAL OF HENAN UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2012年
4期
72-76
,共5页
樊超%夏旭%石小凤%侯利龙
樊超%夏旭%石小鳳%侯利龍
번초%하욱%석소봉%후리룡
小麦%图像处理%特征提取%神经网络%优化算法
小麥%圖像處理%特徵提取%神經網絡%優化算法
소맥%도상처리%특정제취%신경망락%우화산법
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.
為提高基于圖像處理的小麥品種識彆的準確率,首先選取L8998、內鄉188、9023、優展1號、豫麥47、週麥12等6箇品種作為研究對象,對採集到的小麥顆粒圖像進行中值濾波後採用迭代式閾值法分割圖像,提取齣顏色、形態和紋理3方麵共16箇特徵,然後通過構建神經網絡研究瞭小麥品種的識彆準確率與品種數量之間的關繫.最後,為避免網絡因達到跼部最優而停止訓練,利用MIV算法計算瞭各輸入特徵參數對分類結果的平均影響值,進而使用遺傳算法對網絡結構進行瞭優化.結果錶明,隨著小麥品種的增加,分類的準確率逐步下降,噹待識彆的小麥種類增加到6類時,優化後的神經網絡的樣本識彆準確率從81.3%增加至85.6%,有效提高瞭小麥品種分類的準確性.
위제고기우도상처리적소맥품충식별적준학솔,수선선취L8998、내향188、9023、우전1호、예맥47、주맥12등6개품충작위연구대상,대채집도적소맥과립도상진행중치려파후채용질대식역치법분할도상,제취출안색、형태화문리3방면공16개특정,연후통과구건신경망락연구료소맥품충적식별준학솔여품충수량지간적관계.최후,위피면망락인체도국부최우이정지훈련,이용MIV산법계산료각수입특정삼수대분류결과적평균영향치,진이사용유전산법대망락결구진행료우화.결과표명,수착소맥품충적증가,분류적준학솔축보하강,당대식별적소맥충류증가도6류시,우화후적신경망락적양본식별준학솔종81.3%증가지85.6%,유효제고료소맥품충분류적준학성.