尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 在计算机视觉与模式识别两大研究方向的共同推动下,农作物的质量检测已逐渐成为一个活跃的研究领域,对农作物尤其是种子的质量检测也提出了更高的要求。许多的专家和学者也都投入到这个方面的研究上来,并且取得了一定的研究成果。基于计算机视觉的... 展开 在计算机视觉与模式识别两大研究方向的共同推动下,农作物的质量检测已逐渐成为一个活跃的研究领域,对农作物尤其是种子的质量检测也提出了更高的要求。许多的专家和学者也都投入到这个方面的研究上来,并且取得了一定的研究成果。基于计算机视觉的种子质量鉴别涉及两个方面的问题:特征提取和分类器设计。 本文首先对样本图像作预处理,包括去除噪声、图像增强等,使样本图像的有效特征更加突出。 在特征提取阶段,对于经过预处理的样本图像,分别提取了颜色、形状和纹理三个方面的特征,颜色特征是通过提取样本区域内的像素均值获得的;由区域的周长和面积计算得到了圆形度,作为形状特征;通过区域的能量、熵和惯性矩来描述纹理特征。阐述了各种特征提取的算法,分别对基于颜色特征、形状特征和纹理特征的特征提取算法进行了实验。 本文最后提出了一种基于规则的识别方法,对于颜色特征、形状特征和纹理特征的判别都有两个相关的规则。基于规则的识别方法的特点是识别速度快、规则的逻辑关系清晰。 结合提取到的颜色特征值、形状特征值和纹理特征值,利用基于规则的识别方法检测种子的质量,本文采用50个样本图像作为试验数据,每个样本图像包含32颗豆子,共计1600颗豆子,识别率可达93.2%,接近人工识别的识别率。实验结果表明无论是采用的特征提取算法,还是模式识别方法,都具有较好的性能。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。