高效、準(zhǔn)確的作物種子自動(dòng)計(jì)數(shù)方法有利于促進(jìn)現(xiàn)代農(nóng)業(yè)生產(chǎn)中相關(guān)工作的開展,如種子千粒重的計(jì)算、育種等都離不開種子計(jì)數(shù)。其中,千粒重是用于衡量種子品質(zhì)、預(yù)測(cè)產(chǎn)量的重要指標(biāo),育種創(chuàng)新則與農(nóng)業(yè)的發(fā)展方式密切相關(guān),在糧食安全和生態(tài)安全等方面有著重要意義。早期廣泛采用的手動(dòng)計(jì)數(shù)法和光電管計(jì)數(shù)法存在操作繁瑣、成本高且效率低、準(zhǔn)確度低等問題。隨著信息技術(shù)的發(fā)展,為了滿足現(xiàn)代農(nóng)業(yè)生產(chǎn)中對(duì)大量種子快速、準(zhǔn)確的計(jì)數(shù)環(huán)境,提出一種基于圖像識(shí)別的作物種子自動(dòng)計(jì)數(shù)方法。實(shí)現(xiàn)基于圖像識(shí)別的種子計(jì)數(shù),首先是使用拍照設(shè)備采集種子圖像。緊接著對(duì)種子圖像前期處理:包括灰度化和濾波的基本圖像預(yù)處理操作;結(jié)合邊緣檢測(cè)和閾值二值化方法初分割種子圖像;形態(tài)學(xué)處理初分割圖像并標(biāo)記連通區(qū)域。前期處理后,目標(biāo)種子與圖像背景有效分割,且多數(shù)弱粘連種子也被分離,但圖像中仍有部分粘連較深的種子區(qū)域存在,若直接計(jì)數(shù)會(huì)使誤差較大。文章分析了現(xiàn)有的兩種粘連種子圖像的分割計(jì)數(shù)方法,針對(duì)粘連種子區(qū)域分割效果不佳的問題,采用基于圖像識(shí)別的方法先識(shí)別種子粘連類型后精準(zhǔn)分割,以實(shí)現(xiàn)準(zhǔn)確的種子計(jì)數(shù):包括設(shè)置圓形度閾值判定粘連種子區(qū)域;對(duì)種子粘連類型建模,選擇并...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究的目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 種子計(jì)數(shù)方法的研究現(xiàn)狀
        1.2.2 粘連顆粒分割的研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 技術(shù)路線
    1.5 論文結(jié)構(gòu)
2 作物種子圖像采集
    2.1 基本要求
    2.2 圖像的采集
    2.3 本章小結(jié)
3 種子圖像前期處理
    3.1 圖像預(yù)處理
        3.1.1 圖像灰度化
        3.1.2 圖像濾波
    3.2 圖像初分割
        3.2.1 圖像邊緣檢測(cè)
        3.2.2 圖像二值化
    3.3 形態(tài)學(xué)處理
    3.4 連通區(qū)域標(biāo)記
    3.5 本章小結(jié)
4 常用的粘連種子圖像的分割計(jì)數(shù)方法
    4.1 基于形態(tài)學(xué)算法的粘連種子分割計(jì)數(shù)法
    4.2 基于分水嶺算法的粘連種子分割計(jì)數(shù)法
        4.2.1 距離變換
        4.2.2 分水嶺算法
        4.2.3 算法實(shí)現(xiàn)
    4.3 本章小結(jié)
5 基于SVM的粘連種子圖像的分割計(jì)數(shù)
    5.1 種子區(qū)域特征
    5.2 粘連種子區(qū)域的判定
    5.3 種子粘連類型的識(shí)別分類
        5.3.1 圖像識(shí)別
        5.3.2 SVM原理
        5.3.3 種子粘連類型建模與分類特征選擇
        5.3.4 SVM識(shí)別種子粘連類型
    5.4 粘連種子的分割
    5.5 驗(yàn)證結(jié)論與分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝



本文編號(hào)：3782830