基于图像处理的小麦水分含量识别方法研究
研究了一种基于小麦图像特征和模式识别的小麦水分含量快速识别方法.将小麦水分含量分别调至10%、11%、12%、13%和14%,然后采集小麦不同含水量单籽粒和整批籽粒图像.单籽粒图像,提取其形态、颜色和纹理共62个特征参数,整批籽粒图像提取其颜色和纹理共48个特征参数.最后采用逐步判别分析对提取的特征参数进行筛选,分别建立线性参数统计分类器和BP神经网络模型实现小麦不同水分含量的检测识别.结果表明,BP神经网络模型对小麦水分的识别率高于统计分类器;与单籽粒图像相比,使用整批籽粒图像的特征参数能更好地对小麦水分进行有效识别.使用BP神经网络模型对整批籽粒图像水分进行识别,其识别正确率为90%~95%,整体判别正确率达到了92%.
图像处理、小麦、水分含量、逐步判别分析、神经网络、识别
35
TS210;TP391(食品工业)
国家自然科学基金项目31371852;河南工业大学校科学研究基金研究生教育创新计划2012YJCX29
2014-11-28(万方平台首次上网日期,不代表论文的发表时间)
101-106,115