模式识别在大米品质检测中的应用

从图像的二值处理、图像分割、米粒的形状分析及米粒颜色的识别与分析等几个方面进行了研究,形成了一套实用、有效的检测系统。     

基于仿生模式识别算法的海洋微藻识别研究

依据微藻个体及成像的特点,给出了矩形度、能量、熵、惯性矩、相关度和局部平稳度等形状和纹理参数作为识别的特征值,并利用仿生模式识别算法对海洋微藻实现自动识别。利用文中给出的方法,对在海域中随机采集的不同形状、大小、纹理的微藻混合图像进行识别实验,结果显示,该方法能够准确识别出图像中不同种及同种不同状态下的藻体,说明该方法在微藻图像识别中是有效和可行的。     

基于仿生模式识别算法的海洋微藻识别研究

依据微藻个体及成像的特点,给出了矩形度、能量、熵、惯性矩、相关度和局部平稳度等形状和纹理参数作为识别的特征值,并利用仿生模式识别算法对海洋微藻实现自动识别。利用文中给出的方法,对在海域中随机采集的不同形状、大小、纹理的微藻混合图像进行识别实验,结果显示,该方法能够准确识别出图像中不同种及同种不同状态下的藻体,说明该方法在微藻图像识别中是有效和可行的。     

一种基于小波变换传送二值数字信号的方法

在二维离散小波变换及MATLAB快速算法的基础上，分析了在二维离散小波变换后的图像中加入数字水印成分，并利用反变换将其还原回原始图像，原始图像失真小，还原数字水印信息失真小，可以有效的应用在数字水印技术中。     

基于图像的小麦白粉病病斑形状演变规律

通过图像处理技术获取小麦白粉病单个病斑从显症开始到病斑枯萎的整个生命周期内病斑变化的时间序列图像集,并通过定义面积、周长和圆形度3个形状参数描述和总结了单个病斑形状在整个生命周期内的演变规律。结果表明,病斑面积变化曲线从显症开始到稳定成熟期之间符合生物学上的"S"形增长曲线,从稳定期到病斑枯萎之间的衰亡期内表现为反"S"形曲线,皆可以用Logistic曲线拟合;其周长曲线在生长期内为时间变量的一次函数,其斜率会因病斑个体的不同而不同;其圆形度曲线在整个周期内为递减的指数曲线,在显症后的较短时间内,数值迅速下降,在面积值达到逻辑斯蒂快速增长期时趋于稳定。通过图像处理技术来获得小麦白粉病单个病斑的形状演变参数,建立了全周期内更加精确化的演变模型,为病害发展状况的自动化识别研究起到推动作用,促进农业智能化发展。     

基于椭圆傅里叶描述子的香蕉形状识别

为实现香蕉形状的识别,文章提出了一种基于计算机视觉和椭圆傅里叶描述子的形状识别方法。先由专家挑选果指果形为弯、微弯、末端直和直的香蕉共107枚,再获取预处理后图像的边界链码并提取其椭圆傅里叶系数,通过比较原形状和重建形状来选取合适的系数个数,然后用主成分分析对非负系数进行降维,最后进行模糊C均值聚类。研究结果表明,可以将该机器识别方法应用于香蕉形状的识别,为实现香蕉及其深加工产品的增值提供了一种技术手段,并为进一步实现香蕉果把和果穗的形状识别奠定了基础。     

车牌字符提取中的矫正和切割算法研究

针对车牌字符提取中的图片矫正和切割关键部分,提出了一种基于Hough变换的车牌字符倾斜角度的自动检测矫正算法．在此基础上提出了一种基于边缘分析的二值化算法的投影判断法．对字符目标的灰度和纹理分布进行优化提取．经实地测试检验,字符切割的正确率提高了15％．     

葡萄干轮廓的图像检测方法研究

葡萄干的轮廓检测是葡萄干其他特征提取的基础,研究通过与经典的边缘检测算子检测轮廓的方法进行比较分析,提出了最佳阈值分割与形态学运算相结合的轮廓提取新方法,实验证明,该方法能够有效的提取葡萄干的轮廓特征,为后期图像的分析打下了基础。     

基于双椭圆变化参数的香蕉形状描述方法

为实现香蕉外部形状的描述,提出一种基于双椭圆变化参数的香蕉形状描述方法。首先通过图像预处理获得对象物体的二值化图像,结合开源计算机视觉库（OPENCV）提供的库函数cv.fitEllipse进行二维点集的椭圆曲线拟合,并筛选出外接椭圆轮廓作为初始轮廓;然后在此基础上构造可变参数的外接椭圆和内接椭圆,以双椭圆叠合面积的大小为准则进行香蕉形状的拟合描述;最后提取描述香蕉形状的双椭圆参数作为特征参数,并运用该类参数对其他类型果蔬形状进行描述,判断该类特征参数的有效性。试验结果表明,所提出的方法简便易行,在AMD FX6300处理器平台上运算速度约0.1 s。算法采用C++语言编写,能够应用于水果分类包装自动化生产线。     

水稻粒形调控基因的互作及其驯化研究进展

粒形是水稻重要的品质和产量性状。本文综述了前人对粒形调控基因的克隆,重点阐述了粒形基因间的互作与驯化的研究成果,为水稻粒形基因间互作关系和驯化历史的研究提供一定的方向,也为水稻分子设计改良育种提供一定的参考。     

水稻粒形性状的QTL分析

为了促进水稻粒形性状分子标记辅助选择育种研究,以籼稻二九南和粳稻龙稻5号杂交衍生的重组自交系群体为材料,对粒长、粒宽和粒厚3个粒形性状进行数量性状基因定位(Quantitative trait loci,QTL)分析。结果表明:采用完备区间作图法(ICIM),共检测到7个控制粒形性状的QTL,包括3个粒宽QTL,4个粒厚QTL,它们分布于第2、3、5、11和12号染色体上,其中4个主效QTL包括1个控制粒宽的qGW5a和3个控制粒厚的qGT2a、qGT11a以及qGT12a,但未检测到控制粒长的QTL位点。进一步分析表明,3个控制粒宽性状的QTL能解释28.44%的表型贡献率,单个表型贡献率为6.61%~13.81%;而4个控制粒厚性状的QTL能解释17.53%的表型贡献率,单个表型贡献率为7.32%~15.30%。     

不同储藏年份稻谷的理化性质变化及新陈鉴定研究

以安徽芜湖惠丰省级粮食储备库储存的不同储藏年限的籼稻为原料,并将其制成大米,测定大米的脂肪酸、蛋白质及总淀粉含量,并用酸度指示剂法鉴定稻谷新陈状况,探讨了脂肪酸含量、淀粉黏性及酸度等指标的变化规律,为研究不同储藏年份稻谷在陈化过程中的营养特性与性能变化提供依据。结果表明,随着储藏时间的增长,总淀粉和蛋白质含量呈现缓慢下降趋势,而脂肪酸含量呈现缓慢上升趋势,酸度指示剂显示颜色由绿色变成黄色,酸度增加。     

基于模糊神经网络的大米品种识别算法研究

基于机器视觉技术,针对实际大米图像中不可避免的存在籽粒连接的情况,采用模糊BP神经网络进行大米品种识别。应用形态学中腐蚀、膨胀算法提取单粒大米籽粒,去除碎米后,对单粒整精大米籽粒进行外观特征提取,采用模糊BP神经网络进行大米品种识别,仿真结果表明,其可达到较高的检测精度。     

宁夏富铁水稻种质资源筛选及籽粒铁的质量分数与粒形相关性分析

测定102份宁夏水稻种质资源(23份宁夏本地品种和79份外引品种)籽粒铁的质量分数,分析不同品种籽粒铁的质量分数间的差异及其与粒形性状的相关性,并对水稻籽粒铁的质量分数进行遗传分析。结果表明,宁夏水稻种质资源籽粒铁的质量分数为7.75~80.93mg/kg,平均值为15.25mg/kg,标准差为8.34,变异系数为54.69%。鉴定筛选出矮血糯、宁农黑粳和长粒5号3个富铁水稻种质资源;水稻籽粒铁的质量分数与粒长呈极显著正相关,与粒厚呈极显著负相关,与长宽比呈显著正相关,而与粒宽和千粒质量的相关性不显著。对宁农黑粳/京香1号杂交组合的292个F2单株籽粒铁的质量分数进行频率分析,发现其籽粒铁的质量分数整体分布呈趋于单峰的偏正态分布,说明水稻籽粒铁的质量分数是受多基因控制的数量性状遗传。     

基于高光谱成像技术鉴别大米品种

大米品质与品种密切相关,因此品种鉴别对实施“优质粮食工程”具有重要意义。采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正（MSC）、二阶导数（2ND）和标准正态变换（SNV）对光谱数据进行预处理。利用连续投影算法（SPA）和主成分分析（PCA）对光谱数据降维。以灰度共生矩阵（GLCM）提取特征波长对应灰度图像的纹理特征。应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法（SVM）的品种鉴别模型。结果表明,光谱-纹理融合特征的分类准确率最高,达到94.12%。利用乌鸦搜索算法（CSA）对模型参数进行优化后,准确率达96.57%。因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别。     

基于C－SVM的大米品种识别研究

提出了一种基于支持向量机(C-SVM)区分大米品种的方法。首先对大米图像进行阈值分割、平滑处理等预处理,并根据大米的粒型特点,提取米粒的面积、周长等6个形态特征。利用Orange Canvas数据挖掘软件先对linear和RBF核函数进行核参数选择,并在Opencv 3.0环境下,编程实现K-means、linear和RBF的3种大米品种识别方法,对10组混合大米图像进行品种测试。试验结果表明,支持向量机线性核函数对大米品种识别具有较高的预测稳定性,识别分类准确率约为99%。     

水稻每穗粒数和二次枝梗数的遗传分析

选择每穗粒数和每穗二次枝梗数差异大的2个水稻亲本CB1(每穗粒数87.83粒,每穗二次枝梗数12.77个)、CB4(每穗粒数150.70粒,每穗二次枝梗数25.75个),配制CB1×CB4组合,建立了相应的P1、F1、P2、B1、B2、F2群体,将其分为中季和晚季两个生产季节种植,考查了每穗粒数和每穗二次枝梗数性状。利用主基因+多基因混合遗传模型理论的Akaike信息准则(AIC)在B1、B2、F2代中鉴定影响数量性状的主基因存在与否,主基因存在时,通过分离分析估计主基因和微效基因的遗传效应及所占总变异的分量。结果表明,每穗粒数在所有B1、B2、F2中均符合两对主基因+多基因模型模式,主基因遗传率为17.717%～63.562%,多基因遗传率为21.188%～59.449%,总基因型遗传率为76.029%～92.973%,每穗粒数遗传率受种植季别影响明显;每穗二次枝梗数在所有B1、B2、F2中均符合两对主基因+多基因模型模式,主基因遗传率为59.537%～71.787%,多基因遗传率为6.431%～23.870%,总基因型遗传率为78.121%～87.298%;每穗二次枝梗数遗传率受种植季别影响较小。     

基于机器学习的地标大米掺假鉴别模型研究

为有效鉴别国家地理标志大米(以下简称地标大米)中是否被掺入了普通大米,本研究以大米中矿物元素含量和近红外光谱中级融合数据为基础,建立SVM、Adaboost以及Adaboost-SVM三种机器学习鉴别模型.研究表明:三种模型均有优异的鉴别能力.SVM模型在小比例(2％～6％)鉴别时更优于其他两种模型,准确率达100％.Adaboost模型在最优融合数据集选择方面更有优势.三种模型鉴别的最低检出比可达2％,准确率分别为100％、100％及97.75％.数据融合技术结合机器学习方法可以作为大米掺假精确鉴别的可靠工具,为维护大米市场的健康有序发展提供技术支持.     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.