论文部分内容阅读
稻谷,作为世界上重要粮食作物之一,其产量高、具有较高的经济价值,在世界范围内得到广泛种植。稻谷作为我国三大粮种之一,是我国一半以上人口的主食。稻谷中含有丰富的营养成分,是人类生存的物资源泉。然而稻谷在储藏过程中常因储藏不当而导致霉变,其中真菌污染是导致霉变的主要因素之一。在粮食公益性行业专项经费项目(201313002-01)的资助下,本文通过利用计算机视觉技术对常见的五种真菌引发的霉变稻谷进行检测,又进一步研究利用计算机视觉技术对五种真菌菌落的识别,期望利用此技术对稻谷霉变达到早期检测和霉变真菌种类鉴定的目的。1.计算机视觉系统装置的搭建为了实现稻谷霉变图像和真菌图像的获取,搭建了一套计算机视觉装置,装置主要包括相机、光源、底座、支架等单元。经过多次调试,确定了光源强度、相机与样品的距离、相机曝光时间、快门速度、光圈等一系列参数。2.基于计算机视觉对霉变稻谷的检测通过对引起稻谷霉变真菌的调查,筛选出五种常见的真菌来研究。首先进行真菌培养,制成悬浮液,将悬浮液接种到稻谷样品中,对稻谷样品模拟储藏。利用计算机视觉装置对正常(对照组)、霉变早期、霉变晚期三组稻谷样品进行图像采集,对图像进行预处理,通过分析图像特征差异,对灰度、颜色和纹理特征进行提取,共68个特征数据。采用支持向量机(Support vector machines,SVM)和偏最小二乘法判别分析(Partial Least Squares Discirminant Analysis,PLS-DA)构建检测模型,首先用于正常稻谷与霉变稻谷的区分,又对五种真菌霉变稻谷类型进行区分。为了降低模型复杂度和数据冗余,利用连续投影算法(Successive projections algorithm SPA)来消除原始数据变量间的共线性。结果得出利用SVM模型能够很好的区分对照组与霉变组,其中建模集和验证集准确率分别为99.8%和98.8%。SVM模型对于五种霉变晚期稻谷的区分效果要优于霉变早期,其中对早期霉变五种真菌区分的建模集和验证集准确率分别为99.3%和92%,对晚期霉变五种真菌区分的准确率分别为100%和94%,且整体上SVM模型的效果要优于PLSDA模型。在基于SPA特征结果发现,SPA不仅消除了数据冗余、减少了运算量,而且在区分效果上也有很好的表现。说明了利用计算机视觉技术结合稻谷霉变特征来检测稻谷霉变是可行的,且具有较高的准确率。3.基于计算机视觉对五种霉菌菌落的识别基于前期对霉变稻谷真菌的检测结果,进一步研究了基于菌落特征差异的五种真菌的识别。首先对五种真菌进行纯培养,观察并记录各种真菌在不同培养天数菌落形态的变化,同时对第2d、3d、4 d菌落图像进行采集。通过对比分析不同天数的菌落特征差异,对菌落图像预处理,并对颜色、形态、纹理特征数据提取。线性判别器(Linear Discriminant Analysis,LDA)、PLSDA 和随机森林分类(Random Froest,RF)、SVM四种判别模型被用来建模分析,分别基于颜色、形态、纹理特征和三种特征结合的方式构建识别模型。结果表明:基于三种特征结合构建的模型区分的准确率最高,其次是颜色特征和纹理特征,最差的是基于形态特征。其中SVM模型结果相对较好,对第2d、3d、4d天的建模集识别准确率均为100%,预测集准确率分别为93.2%、96.4%、97.6%。研究也表明随着真菌生长时间的延长,五种真菌菌落特征差异越明显,识别率越高。同时,由于原始特征数据量大,且存在数据冗余,会降低运算速率,所以利用SPA特征选取的方法来消除这些不利因素。将SPA选择的特征数据结合SVM模型建模分析,结果表明SPA不仅有助于消除数据冗余和提高运算速率,而且在一定程度上提高了模型的准确率,其中对第2d、3d、4 d天的真菌菌落,建模集识别准确率分别为99.6%、100%、99.8%,预测集准确率分别为 94.8%、98%、99.2%。4.稻谷真菌数字图像识别软件设计以计算机视觉技术对五种真菌数字图像识别的研究结果为基础,设计了一款用于稻谷真菌数字图像的识别软件(软件名称:稻谷贮藏真菌数字图像识别系统.登记号:2016SR008710)。该软件具有很好的扩展性,可以实现对五种常见的稻谷真菌识别,后期可不断增加真菌的种类,建立一个基于真菌数字图像的数据库软件。其中软件分类器采用了 SVM模型,编程语言采用了 C++,Microsoft Visual studio 2010。