針對核桃品種混雜問題,研究基于X射線成像技術(shù)的核桃品種識別方法。采集不同核桃品種的X射線圖像,并對圖像進行預(yù)處理和背景分割;采用多種方法提取圖像的紋理特征和形狀特征,共計71個特征參數(shù)。分別利用極限學(xué)習(xí)機（ELM）和概率神經(jīng)網(wǎng)絡(luò)（PNN）建立核桃的品種判別模型。結(jié)果表明:在核桃品種判別的所有模型中,老樹核桃被誤判的個數(shù)最多,識別率有待提高,ELM判別模型整體識別率優(yōu)于PNN判別模型;在3種核桃的判別過程中,ELM判別模型的總體判別率達到88.76%。因此基于X射線成像技術(shù)能有效判別核桃品種,為實現(xiàn)核桃品種自動分選提供了新的研究方向。 

【文章來源】：食品科技. 2020,45(11)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

3種核桃的樣本圖像和X射線圖像

X射線成像系統(tǒng)在低能量區(qū)域信噪比較差,獲得的核桃圖像噪聲大,通過圖像的預(yù)處理改善圖像質(zhì)量,便于對圖像進行后續(xù)的處理和分析[13]。對比多種圖像去噪方法,發(fā)現(xiàn)采用巴特沃斯高通濾波器進行濾波,抑制了圖像中的低頻信息,更好地保留了圖像的邊緣信息[14]。如圖2所示,經(jīng)過濾波處理后,核桃殼和核桃仁的邊緣信息等更好地保留了下來。1.3.2 背景去除

為消除背景對圖像特征提取帶來的影響,需要去除圖像背景。首先采用“Otsu”閾值法將灰度圖像二值化;然后對二值圖像進行取反操作,采用形態(tài)學(xué)提取邊界,將膨脹和腐蝕后的圖像相減得到核桃的邊緣圖像;依次使用“imclearborder”“bwareaopen”“imclose”及“imfill”算法刪除離散孤立點并進行填充,得到圖像模板;最后和原圖像進行“與”運算,得到去除背景后的核桃圖像[15]。核桃X射線圖像背景去除過程如圖3所示。1.3.3 特征提取

【參考文獻】：
期刊論文
[1]基于中紅外光譜和化學(xué)計量學(xué)算法鑒別核桃產(chǎn)地及品種[J]. 何勇,鄭啟帥,張初,岑海燕.  光譜學(xué)與光譜分析. 2019(09)
[2]基于高光譜圖像和深度學(xué)習(xí)的菠菜新鮮度檢測[J]. 謝忠紅,徐煥良,黃秋桂,王培.  農(nóng)業(yè)工程學(xué)報. 2019(13)
[3]基于計算機視覺的核桃外觀缺陷檢測[J]. 李成吉,張淑娟,孫海霞,陳彩虹,邢書海,趙旭婷.  現(xiàn)代食品科技. 2019(08)
[4]基于機器視覺的花生米品質(zhì)分選方法[J]. 張凱,李振華,郁豹,胡安翔.  食品科技. 2019(05)
[5]基于X射線的盒裝水餃異物自動檢測與分類[J]. 王強,武凱,王新宇,孫宇,楊曉燕,樓曉華.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(12)
[6]基于X射線和卷積神經(jīng)網(wǎng)絡(luò)的異物水餃識別[J]. 王強,武凱,王新宇,孫宇,楊曉燕,樓曉華.  食品科學(xué). 2019(16)
[7]改進煙花算法和概率神經(jīng)網(wǎng)絡(luò)智能診斷齒輪箱故障[J]. 陳如清,李嘉春,尚濤,張俊.  農(nóng)業(yè)工程學(xué)報. 2018(17)
[8]基于紋理與形狀特征融合的刑偵圖像檢索算法[J]. 蘭蓉,郭思忱,賈世英.  計算機工程與設(shè)計. 2018(04)
[9]我國核桃生產(chǎn)現(xiàn)狀及發(fā)展策略[J]. 鄧金龍.  林產(chǎn)工業(yè). 2016(10)
[10]近紅外技術(shù)對南疆核桃品種的鑒定及品質(zhì)比較[J]. 賈昌路,高山,張宏,張萬棟,張銳.  湖北農(nóng)業(yè)科學(xué). 2016(10)



本文編號：3303829