基于高光谱图像技术和SVDD的玉米种子.pdfVIP

第33卷，第2期 光谱学与光谱分析 V01．33，No．2，pp517—521 2 1 and February，2013 O 3年2月 SpectroscopySpectralAnalysis 基于高光谱图像技术和SVDD的玉米种子识别 朱启兵，冯朝丽，黄 敏，朱 晓 江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122 摘要特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题。采集了玉米 种子的高光谱图像，并提取每粒玉米种子在不同波段下的图像熵作为分类特征；在此基础上，利用支持向量 数据描述方法构建每类玉米的分类器模型，对待识别样本的测试精度达到了94．14％，对新类别样本的识别 精度达到92．28％。仿真结果表明：新方法可实现玉米种子的准确识别，同时解决了传统分类器对新类别样 本的错误分类问题。 关键词高光谱图像技术；玉米种子；熵；支持向量数据描述 中圈分类号：TP391．4文献标识码：A DoI：10．3964／j．issmlooo．0593(2013)02一0517一05 别问题。首先获取了玉米样本在400～l000咖波段范围内 引 言 的高光谱图像，提取玉米种子在各个波段下的图像熵作为分 类特征，并利用SⅥ)D构建了每类玉米的分类器模型。新方 种子是农业生产中最基本的生产资料，是一切农业生产 法不仅具备良好的分类精度，而且可解决传统分类器缺乏对 的基础。近年来，随着种子杂交技术的广泛应用，种子的品 新类别样本识别能力的问题。 种数目越来越多，随之带来了种子品种间的混杂现象越来越 严重。加强种子纯度检验是减少种子混杂、保证农业生产的 1实验部分 根本途径。为了提高种子检测的快速性，自20世纪90年代 以来，具有实时无损检测特点的机器视觉和近红外光谱分析 1．1仪器 技术在种子纯度检测中的应用得到了广泛的研究[1{]。相比 实验中使用的高光谱成像系统如图1所示。该系统是由 于单一的机器视觉技术或近红外光谱分析技术，高光谱图像 计算机、图像采集单元、光源、样本输送平台四部分组成。 技术可以提供包含被测对象外在形态学特征，内部结构特征 和化学成分特征的所有信息，这些信息为种子纯度的准确检 测提供了充分可靠的信息保证。目前，高光谱图像技术已经 用于鉴别小麦种子和油菜籽品种，并且取得了较高的识别精 度‘6。8。。 神经网络、支持向量机等识别模型已成为种子纯度识别 的主流模型。然而，无论是神经网络还是支持向量机，都缺 乏对新类别样本的识别能力。由于受测试样本搜集范围的限 制以及杂交技术的广泛运用，在种子纯度检测中很难一次性 搜集到所有类别样本，新类别样本的频繁出现，导致识别模 型的错误分类。选择和设计新的分类器，解决新类别样本的 错误分类问题已成为一个亟待解决的问题。 利用高光谱图像技术和支持向量数据描述方法(support data vectordescription，SⅥ)D)[9]研究了玉米种子的分类识 收稿日期：201z-07—12。修订日期：2012—10-25 (2011M500851)和中央高校基本科研业务费专项资金(JUS融)21132)资助 作者筒介：朱启兵，1973年生，江南大学轻工过程先进控制教育部重点实验室副教授e-rmil：zhuqib@163．∞m 万方数据 518 光谱学与光谱分析 第33卷 图像光谱仪(1003A．10140 HyperspcTMⅥ呱C-sedes， Head、悦1lPhotollics Inc．，USA)、25肿的