基于计算机视觉技术对杂交水稻裂颖种子的识别研究

论文摘要

杂交水稻种子颖壳闭合不好是一种普遍现象，而裂颖的种子比常规稻种明显不耐储藏，在储藏过程中容易使品质变坏，并且还可以引起其正常种子的品质变坏。因此，必须采用一种快捷方法将裂颖种子进行分离保存。大量的水稻种子通过人工分离是难以实现，必须要找到方便快捷的方法和方便适用的分离仪器。本研究利用计算机视觉技术对杂交水稻裂颖种子识别分离，解决杂交水稻裂颖种子分离难的问题。本研究的主要研究内容包括获取图像、图像低层处理、特征提取、模式识别等四个过程。(1)设计计算机视觉技术的硬件设备。通过大量的试验找出最佳的获取图像方法是在白色背景下多粒方式放置的图像是最易分割识别的图像。(2)对获取的图像进行低层处理，在低层处理的过程找到最易分割图像的方法是双峰阈值分割法，分割后的图像能够达到最易理解和分析的效果。(3)分析正常、微裂、裂颖三种水稻种子的形态结构，提取出杂交水稻种子的形态特征、大小特征参数，并提取出面积、周长、长轴、短轴、短长轴比、圆形度等6个特征值作为本试验的特征值。(4)设计一个三层的BP神经网络结构，输入层是6个神经元，输出层是3个神经元，隐含层有两层，其中有7个隐节点数。利用BP神经网络对三种类型杂交水稻种子进行识别，识别率分别为96％、82％、95％。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1 研究的目的与意义
• 2 国内外研究现状
• 2.1 国外的研究现状
• 2.2 国内的研究现状
• 3 研究的内容与方案
• 3.1 实验的材料及软件的平台
• 3.2 软件平台
• 3.3 研究的内容与方法
• 3.4 本研究的技术路线
• 第二章 实验装置
• 1 计算机视觉硬件系统图
• 1.1 计算机
• 1.2 CCD摄像机
• 1.3 照明室
• 1.3.1 光照箱
• 1.3.2 光源
• 1.4 图像采集卡
• 1.5 背景
• 第三章 图像获取与预处理
• 1 图像获取
• 1.1 杂交水稻种子图像获取
• 2 图像的预处理
• 2.1 图像的转换
• 2.2 图像增强
• 2.3 图像去噪
• 2.3.1 自适应中值滤波法
• 2.3.2 中值滤波
• 2.4 图像分割
• 2.4.1 阈值法分割的原理及方法
• 3 小结
• 第四章 特征提取
• 1 杂交水稻种子特征参数
• 1.1 形态特征参数
• 1.2 大小特征参数
• 2 小结
• 第五章 基于人工神经网络对裂颖杂交水稻种子的识别
• 1 人工神经网络
• 1.1 神经网络的主要应用
• 1.2 人工神经元的模型
• 2 BP神经网络
• 2.1 BP神经网络及其原理
• 2.2 BP算法
• 2.3 BP算法的改进
• 3 BP神经网络结构的设计
• 3.1 输入和输出层的设计
• 3.2 隐含层的设计
• 3.3 初始权值选取
• 3.4 训练样本的选择
• 3.5 期望误差选取
• 4 杂交水稻裂颖种子识别网络模式设计
• 4.1 杂交水稻裂颖种子网络结构的设计
• 5 小结
• 第六章 结论与展望
• 1 结论
• 1.1 本研究在试验的过程中得出以下结论
• 1.2 本试验的创新点
• 1.3 本试验中问题和不足
• 2 讨论
• 参考文献
• 致谢
• 作者简介