本文選題：計(jì)算機(jī)視覺(jué) + 圖像處理�。� 參考：《農(nóng)業(yè)工程學(xué)報(bào)》2017年03期

【摘要】：為了實(shí)現(xiàn)無(wú)損檢測(cè)稻谷儲(chǔ)藏中的霉變,該研究以引起稻谷霉變的5種常見(jiàn)真菌(米曲霉、黑曲霉、構(gòu)巢曲霉、桔青霉和雜色曲霉)為對(duì)象,首先進(jìn)行真菌培養(yǎng),制成懸浮液,然后將懸浮液接種到稻谷樣品中,對(duì)稻谷樣品模擬儲(chǔ)藏,確定不同霉變程度的稻谷類型,劃分為對(duì)照組(無(wú)霉變)、輕微霉變組和嚴(yán)重霉變組。利用計(jì)算機(jī)視覺(jué)系統(tǒng)對(duì)三組稻谷樣品進(jìn)行圖像采集和圖像處理,提取灰度、顏色和紋理特征,共獲取68個(gè)圖像特征。采用支持向量機(jī)(support vector machines,SVM)和偏最小二乘法判別分析(partial least squares discriminant analysis,PLS-DA)構(gòu)建模型,分別用于無(wú)霉變稻谷與霉變稻谷的區(qū)分和稻谷霉變類型區(qū)分。為了降低模型復(fù)雜度和數(shù)據(jù)冗余,利用連續(xù)投影算法(successive projections algorithm,SPA)來(lái)消除原始數(shù)據(jù)變量間的共線性,優(yōu)選特征值。結(jié)果表明:利用所有參數(shù)構(gòu)建的SVM模型能夠很好的區(qū)分對(duì)照組與霉變組,其中建模集和驗(yàn)證集總體區(qū)分準(zhǔn)確率分別為99.7%和98.4%;SVM模型對(duì)于稻谷嚴(yán)重霉變類型的區(qū)分效果要優(yōu)于輕微霉變稻谷,其中對(duì)稻谷輕微霉變類型建模集和驗(yàn)證集總體區(qū)分的準(zhǔn)確率分別為99.3%和92.0%,對(duì)稻谷嚴(yán)重霉變類型區(qū)分的總體準(zhǔn)確率分別為100%和94%,且整體上SVM模型的效果要優(yōu)于PLS-DA模型。而基于SPA優(yōu)選特征構(gòu)建的模型區(qū)分結(jié)果表明,SVM模型區(qū)分效果優(yōu)于PLS-DA模型,其中,在建模集和驗(yàn)證集中,對(duì)無(wú)霉變和霉變稻谷總體區(qū)分準(zhǔn)確率分別為99.8%和99.5%,對(duì)稻谷輕微霉變種類區(qū)分總體準(zhǔn)確率分別為99.8%和90.5%,對(duì)稻谷嚴(yán)重霉變種類區(qū)分總體準(zhǔn)確率分別為100%和95.0%。因此,基于計(jì)算機(jī)視覺(jué)對(duì)稻谷霉變檢測(cè)是可行的,而且SPA優(yōu)選特征能夠較好反映稻谷霉變特征,基于優(yōu)選特征和SVM模型能夠較好地稻谷霉變進(jìn)行識(shí)別和區(qū)分,結(jié)果較好,可以為實(shí)際應(yīng)用提供技術(shù)支持和參考。
[Abstract]:In order to realize nondestructive detection of mildew in rice storage, five common fungi (Aspergillus oryzae, Aspergillus Niger, Aspergillus oryzae, Penicillium citrinus and Aspergillus chromoides) were studied. Then the suspension was inoculated into the rice samples, and the rice samples were stored in a simulated way. The rice types with different mildew degrees were determined and divided into control group (no mildew, mild mildew and severe mildew). Three groups of rice samples were collected and processed by computer vision system. The grayscale, color and texture features were extracted, and 68 image features were obtained. The model was constructed by using support vector machine (SVM) and partial least squares discriminant analysis (PLS-DAA). The models were used to distinguish mildew and mildew of rice and the type of mildew, respectively. In order to reduce model complexity and data redundancy, successive projections algorithm (spa) is used to eliminate the collinearity between the original data variables and select the eigenvalues. The results showed that the SVM model constructed with all the parameters could distinguish the control group from the mildew group. The accuracy of modeling set and verification set is 99.7% and 98.4% respectively for the classification of severe mildew type of rice, which is better than that for mildly mildew type of rice, and the accuracy of SVM model is 99.7% and 98.4% respectively for the classification of severe mildew type of rice. Among them, the total accuracy of modeling set and verification set for mildly mildew of rice was 99.3% and 92.0%, respectively, and the total accuracy for classification of severe mildew was 100% and 94%, respectively, and the effect of SVM model was better than that of PLS-DA model on the whole. The result of model differentiation based on SPA optimal selection features shows that the classification effect of SPA model is better than that of PLS-DA model, among which, in the modeling set and validation set, The overall accuracy of classification of mildew and mildew was 99.8% and 99.5% respectively, that of slight mildew was 99.8% and 90.5%, and that of severe mildew was 100% and 95.0% respectively. Therefore, it is feasible to detect rice mildew based on computer vision, and SPA optimal selection features can better reflect the characteristics of rice mildew. Based on the optimal selection feature and SVM model, rice mildew can be better identified and distinguished, and the result is better. It can provide technical support and reference for practical application.
【作者單位】： 南京農(nóng)業(yè)大學(xué)食品科技學(xué)院;南京財(cái)經(jīng)大學(xué)食品科學(xué)與工程學(xué)院江蘇省現(xiàn)代糧食流通與安全協(xié)同創(chuàng)新中心;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)(KYLH201504) 國(guó)家自然科學(xué)基金項(xiàng)目(31671926,31671925) 國(guó)家糧食公益性行業(yè)科研專項(xiàng)(201313002-01)
【分類號(hào)】：S435.11;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 寧紀(jì)鋒,龍滿生,何東健,高夢(mèng)祥;農(nóng)業(yè)領(lǐng)域中的計(jì)算機(jī)視覺(jué)研究[J];計(jì)算機(jī)與農(nóng)業(yè);2001年01期

2 王桂琴,楊子彪,鄭麗敏,朱虹,廖樹(shù)華,單成鋼,吳富寧;計(jì)算機(jī)視覺(jué)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用[J];中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào);2003年03期

3 周紅,劉光蓉;計(jì)算機(jī)視覺(jué)及其在谷物籽粒檢測(cè)分級(jí)中的應(yīng)用[J];種子;2004年07期

4 趙海波;周向紅;;基于計(jì)算機(jī)視覺(jué)的番茄催熟與正常熟識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年02期

5 劉濤;孫成明;仲曉春;高輝;梁秀梅;;計(jì)算機(jī)視覺(jué)在作物生產(chǎn)中的應(yīng)用研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2013年02期

6 王豐元,孫壯志,周一鳴;計(jì)算機(jī)視覺(jué)攝影測(cè)量的數(shù)學(xué)模型[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);1998年04期

7 張建平;計(jì)算機(jī)視覺(jué)在煙草行業(yè)中的研究及應(yīng)用展望[J];煙草科技;1998年02期

8 薛領(lǐng);計(jì)算機(jī)視覺(jué)在農(nóng)業(yè)中的應(yīng)用[J];計(jì)算機(jī)與農(nóng)業(yè);1999年02期

9 蔡健榮;利用計(jì)算機(jī)視覺(jué)定量描述茶葉色澤[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2000年04期

10 孫明;石慶蘭;孫紅;王一鳴;;基于計(jì)算機(jī)視覺(jué)的大米外觀品質(zhì)檢測(cè)[J];沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào);2005年06期

相關(guān)會(huì)議論文 前10條

1 宋小華;歐陽(yáng)丹彤;;時(shí)空推理在計(jì)算機(jī)視覺(jué)的應(yīng)用[A];2006年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2006年

2 謝麗欣;牟會(huì);王歡;劉明霞;;基于計(jì)算機(jī)視覺(jué)的人臉檢測(cè)與識(shí)別綜述[A];第三屆全國(guó)軟件測(cè)試會(huì)議與移動(dòng)計(jì)算、柵格、智能化高級(jí)論壇論文集[C];2009年

3 陳強(qiáng);孫振國(guó);;計(jì)算機(jī)視覺(jué)在焊接中的應(yīng)用[A];第十次全國(guó)焊接會(huì)議論文集（第1冊(cè)）[C];2001年

4 田涌濤;洪錫軍;王有慶;李從心;;計(jì)算機(jī)視覺(jué)在先進(jìn)制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動(dòng)化與信息化技術(shù)創(chuàng)新設(shè)計(jì)的基礎(chǔ)技術(shù)——2001年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)暨第九屆全國(guó)特種加工學(xué)術(shù)年會(huì)論文集[C];2001年

5 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計(jì)算機(jī)視覺(jué)的荔枝檢測(cè)與分級(jí)方法[A];紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

6 孫潔瓊;孫明;;基于計(jì)算機(jī)視覺(jué)的水果外觀品質(zhì)檢測(cè)分級(jí)研究現(xiàn)狀[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國(guó)電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

7 王劃一;王效良;;計(jì)算機(jī)視覺(jué)在絎縫機(jī)自動(dòng)編程及控制中的應(yīng)用[A];第二十屆中國(guó)控制會(huì)議論文集（下）[C];2001年

8 周紅;劉光蓉;;計(jì)算機(jī)視覺(jué)及其在谷物籽粒檢測(cè)分級(jí)中的應(yīng)用[A];中國(guó)糧油學(xué)會(huì)第三屆學(xué)術(shù)年會(huì)論文選集（下冊(cè)）[C];2004年

9 吳彥紅;劉木華;楊君;鄭華東;;大米外觀品質(zhì)的計(jì)算機(jī)視覺(jué)在線檢測(cè)技術(shù)研究[A];農(nóng)業(yè)機(jī)械化與新農(nóng)村建設(shè)——中國(guó)農(nóng)業(yè)機(jī)械學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2006年

10 張慶敏;于龍;;計(jì)算機(jī)視覺(jué)在接觸網(wǎng)定位器坡度識(shí)別中的應(yīng)用[A];高速鐵路接觸網(wǎng)零部件安全可靠性技術(shù)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前9條

1 記者 李大慶;我在國(guó)際計(jì)算機(jī)視覺(jué)算法競(jìng)賽中摘金[N];科技日?qǐng)?bào);2011年

2 滕繼濮;不放過(guò)一個(gè)“壞蛋”[N];糧油市場(chǎng)報(bào);2011年

3 ;生活中的計(jì)算機(jī)視覺(jué)[N];中國(guó)計(jì)算機(jī)報(bào);2006年

4 王悅承;逾30篇中國(guó)論文入選ICCV[N];中國(guó)計(jì)算機(jī)報(bào);2005年

5 本報(bào)記者 滕繼濮;無(wú)損檢測(cè)技術(shù)：不放過(guò)一個(gè)“壞蛋”[N];科技日?qǐng)?bào);2011年

6 本報(bào)記者 薛娟;未來(lái)搜索：沒(méi)有搜索的搜索[N];中國(guó)經(jīng)濟(jì)時(shí)報(bào);2010年

7 記者 楊杰 實(shí)習(xí)記者 李樂(lè);農(nóng)機(jī)領(lǐng)域喜獲四項(xiàng)大獎(jiǎng)[N];中國(guó)農(nóng)機(jī)化導(dǎo)報(bào);2009年

8 張明平　記者 趙鳳華;蘋(píng)果的氣味“看”出來(lái)[N];科技日?qǐng)?bào);2009年

9 記者 常麗君;新軟件能“預(yù)測(cè)”你各年齡段長(zhǎng)相[N];科技日?qǐng)?bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 王強(qiáng);基于幾何代數(shù)的計(jì)算機(jī)視覺(jué)問(wèn)題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 王任大;基于計(jì)算機(jī)視覺(jué)的手勢(shì)交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

3 賀文驊;基于計(jì)算機(jī)視覺(jué)的復(fù)雜場(chǎng)景下目標(biāo)跟蹤研究[D];西安電子科技大學(xué);2015年

4 王愛(ài)麗;基于計(jì)算機(jī)視覺(jué)的行人交通信息智能檢測(cè)理論和關(guān)鍵技術(shù)研究[D];北京交通大學(xué);2016年

5 潘磊慶;基于計(jì)算機(jī)視覺(jué)和聲學(xué)技術(shù)融合檢測(cè)雞蛋品質(zhì)的研究[D];南京農(nóng)業(yè)大學(xué);2007年

6 孔明;顆粒粒徑和形態(tài)計(jì)算機(jī)視覺(jué)測(cè)量方法研究[D];東南大學(xué);2005年

7 劉釗;基于計(jì)算智能的計(jì)算機(jī)視覺(jué)及其應(yīng)用研究[D];武漢科技大學(xué);2011年

8 李慶中;蘋(píng)果自動(dòng)分級(jí)中計(jì)算機(jī)視覺(jué)信息快速獲取與處理技術(shù)的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2000年

9 謝存;計(jì)算機(jī)視覺(jué)中若干問(wèn)題實(shí)現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

10 趙書(shū)濤;基于計(jì)算機(jī)視覺(jué)的直讀儀表校驗(yàn)方法研究[D];華北電力大學(xué)（河北）;2006年

相關(guān)碩士學(xué)位論文 前10條

1 王福香;基于計(jì)算機(jī)視覺(jué)的馬鈴薯外部缺陷檢測(cè)方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2015年

2 余饒東;基于腦波與計(jì)算機(jī)視覺(jué)的注意力檢測(cè)技術(shù)在E-Learning中的應(yīng)用研究[D];昆明理工大學(xué);2015年

3 李想;基于計(jì)算機(jī)視覺(jué)的花卉分級(jí)系統(tǒng)研究[D];天津理工大學(xué);2015年

4 吳林林;基于計(jì)算機(jī)視覺(jué)的皮革測(cè)配色研究[D];陜西科技大學(xué);2015年

5 龍怡霖;基于計(jì)算機(jī)視覺(jué)的雜草種子鑒別[D];西北農(nóng)林科技大學(xué);2015年

6 謝艷鵬;面向細(xì)胞行為辨識(shí)的計(jì)算機(jī)視覺(jué)研究與應(yīng)用[D];沈陽(yáng)理工大學(xué);2015年

7 丁僑俊;基于計(jì)算機(jī)視覺(jué)的智能停車場(chǎng)引導(dǎo)系統(tǒng)研究[D];福建師范大學(xué);2015年

8 王鵬博;多態(tài)并行機(jī)上的OpenVX系統(tǒng)實(shí)現(xiàn)[D];西安郵電大學(xué);2015年

9 周志強(qiáng);基于計(jì)算機(jī)視覺(jué)的指針式電表校驗(yàn)的關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

10 陳玉潔;基于計(jì)算機(jī)視覺(jué)的外膜厚度測(cè)量方法的研究[D];南昌航空大學(xué);2015年

，

本文編號(hào)：1800367