基于支持向量机玉米叶片品种识别.docVIP

基于支持向量机玉米叶片品种识别 　　摘要：基于图像处理方法，以23个常见玉米品种叶片作为供试样本，每张叶片采集反射和透射图像，每幅图像分别提取形态、颜色和纹理三大类共48个外观特征，构建支持向量机模型进行训练识别。结果表明，48个特征的整体识别率可达到87%以上，颜色类特征较形态类和纹理类特征具有较高的识别率，形态类特征中反映大小的特征识别率较低。对不 同类别的特征组合后，识别率均达到86%以上。品种的数量影响着样本识别结果，当品种数量大于17之后，识别率明显降低。透射图像较反射图像具有更好的识别效果。 　　关键词：图像处理；支持向量机；玉米；品种识别 　　中图分类号： TP391. 41文献标志码： A文章编号：1002-1302（2014）06-0372-03 　　收稿日期：2013-08-28 　　基金项目： 山东省自然科学基金（编号：ZR2009GM006）。 　　作者简介：邓立苗（1978―），女， 山东沂水人，博士，讲师，主要从事图像处理方面研究。Tel：（0532E-mail：denglm68@163.com。 　　通信作者：马文杰，博士，副教授，主要从事农业信息化方面研究。Tel：（0532E-mail：wjma@。玉米是重要的粮食作物之一，品种众多，不同玉米品种由于受遗传特性影响，生长期间的外观性状表现也有差异。在玉米生长管理和科学研究中，大量的工作须借助形态、颜色和纹理等外观特征判断，而这些特征的提取主要靠人工测量，工作量大且繁琐、主观性强，严重制约了玉米科学研究和生产上先进技术的应用和推广。利用图像处理技术实现不同品种玉米生长期间植株外观性状特征的客观描述，对科学保留不同品种玉米的量化特征信息，建立玉米外观性状特征信息数据库，正确指导玉米生产非常有必要。 　　图像处理技术已广泛应用于玉米生产管理和品种识别中，主要研究田间杂草识别[1]、病虫害识别[2]、叶面积测定[3]、玉米叶片叶绿素含量测量[4]、种子质量检测与分级[5]。在玉米品种识别方面，研究多定位在籽粒品种识别方面[5-8]，而利用玉米生长期间植株特征信息来识别玉米品种的研究未见报道。由于玉米叶片中包含了大量用来区别不同品种的外观特征信息，且存活期长，易于采集。本研究以农业生产中常规栽培的23个玉米品种的叶片作为供试样本，每个品种采集5张样本叶片，对每张叶片采集反射和透射图像，提取了形态、颜色和纹理共48个统计特征，然后构建了支持向量机模型进行品种识别，并对识别结果进行分析。本研究中特征提取和识别基于Matlab R2008a，分析工具为SPSS 13.0。 　　1材料与方法 　　1.1供试材料 　　供试玉米品种共计23个（表1），均采用大田常规管理方法在试验基地进行统一栽培，目的就是为了保证在完全自然生长状态下实现对不同品种玉米的外观特征量化识别。 　　编号名称编号名称编号名称1安玉5号9谷育17817农大1082北京德农95810济丰9618农华1013丹玉8611金海5号19齐单1号4德瑞2912金海60420秋乐天泰585登海66213浚单2021三北青贮6登海70114宽城6022中科4号7费玉4号15良玉6623中科11号8丰玉4号16良玉188 　　1.2图像采集 　　在玉米的不同生长时期分别对每个品种进行叶片采样，在每个品种的不同单株上采集相同位置的5张叶片，然后用数码相机采集叶片的反射图像和透射图像。由于玉米叶片在自然光照下反光较严重，反射图像采用室内灯光下拍摄，而透射图像则在自制的灯箱（图1）内拍摄，灯箱规格（长×宽×高）为100 cm×75 cm×120 cm。箱体顶部、底部及4个侧面均用双层黑色棉布遮挡，以防止外界光线的射入和光线在箱体内发生漫反射；箱体中间偏下放置厚度4 mm的双面磨砂玻璃载样台，保证采集透射图像时得到均匀的透射光线；箱体底部的照明光源为8支30 W的日光灯管，箱体顶部固定数码相机。反射图像采集使用佳能EOS7D，透射图像采集使用佳能EOS500D。采集的图像如图2所示。 　　1.3特征提取 　　为了对叶片图像进行识别分析，对所采集的叶片图像，提取了形态、颜色、纹理共48个外观特征（表2），并将提取的特征保存在Excel文件中。 　　类别特征形态类 　　面积、长轴长、短轴长、等面圆直径、椭圆度、凸形面积、伸展度、紧凑度、周长、圆形度、长宽比颜色类 　　RGB颜色空间的3个分量的均值、方差、偏度和峰度；与HSV颜色空间3个分量的均值、方差、偏度和峰度纹理类 　　灰度图像均值、方差、平滑度、三阶矩、一致性、熵；包括反映图像灰度值次数分布特点的7个统计不变矩 　　1.4支持向量机 　　支持向量机（support vector