基于机器视觉的花生种子外观品质检测与分类方法研究马佳佳王克强郑奕雄蔡肯林钦永摘要[目的]花生种子的有效分类是花生产业中选育良种的重要环节，为降低花生产业对人工的依赖程度，简化选种过程，提出了一种基于机器视觉的花生种子外观品质检测与分类方法。[方法]在相同环境下采集单粒花生种子图像，建立花生种子对象在图像中像素数与其实际质量的回归模型，以花生种子尺寸和外观颜色作为主要特征，采用支持向量机分类模型完成分类任务。[结果]使用該方法完成12个类别的分类，对批量花生种子的分类准确率达86%，符合实际生产中花生种子初步分类要求。[结论]该方法对花生种子图像代表性特征的选择和识别样本的简化使得分类系统更符合实际生产需要，对同品种花生种子的不同品质分类以及不同品种花生种子的直接分类有着积极意义。关键词花生种子;机器视觉;图像识别;支持向量机S126A0517-6611（2021）10-0225-03doi：10.3969/j.issn.0517-6611.2021.10.057开放科学（资源服务）标识码（OSID）：ResearchontheAppearanceQualityDetectionandClassificationofPeanutSeedsBasedonMachineVisionMAJia-jia，WANGKe-qiang，ZHENGYi-xiongetal（ZhongkaiUniversityofAgricultureandEngineering，Guangzhou，Guangdong510225）Abstract[Objective]Theeffectiveclassificationofpeanutseedswasanimportantlinkinpeanutbreeding.Inordertoreducethedependenceofpeanutindustryonlaborandsimplifytheseedselectionprocess，amethodofpeanutseedappearancequalitydetectionandclassificationbasedonmachinevisionwasproposed.[Method]Theimageofsinglepeanutseedwascollectedinthesameenvironment，andtheregressionmodelbetweentheimageprimenumberandtheactualqualityofpeanutseedobjectwasestablished.Theclassificationtaskwascompletedbyusingsupportvectormachine（SVM）classificationmodelwiththemaincharacteristicsofpeanutseedsizeandappearancecolor.[Result]Theclassificationaccuracyof12categorieswas86%，whichmetthepreliminaryclassificationrequirementsofpeanutseedsinactualproduction.[Conclusion]Theselectionofrepresentativefeaturesofpeanutseedimageandthesimplificationofrecognitionsamplesmaketheclassificationsystemmoreinlinewiththeactualproductionneeds.Ithaspositivesignificancefordifferentqualityclassificationofthesamepeanutseedanddirectclassificationofdifferentpeanutseeds.KeywordsPeanutseeds;Machinevision;Imagerecognition;Supportvectormachine花生是中国产量丰富、食用广泛的一种坚果，同时也是中国为数不多的具有强劲国际竞争力的出口创汇农产品[1]。花生良种的选择与培育是花生种植的关键，因此花生种子的精选分类也是我国花生高产稳产的首要保证。分类是对农作物果实的大小、形状、颜色、营养物质含量、表面缺陷等性状进行检测和识别后，根据行业标准划分类别的操作过程[2]。通过机器视觉对花生种子进行有效分类有利于花生种植中选育良种，降低产业对人工的依赖程度，提高相关产业竞争力，对我国花生产业升级也具有重要意义。机器视觉技术可以无损、快速地获取样本表面特征信息，随着计算机技术和信息科学的不断发展，国内外机器视觉水平也不断到达新的高度。目前机器视觉已广泛应用于多个领域，在农业中可用于路径导航、杂草识别以及各种瓜果蔬菜的检测分级等[3-8]。基于机器视觉的分类方法具有检测精度高、效率快、能实现无损操作等优势，同时排除了人工主观因素的干扰。基于机器视觉技术，笔者研究了一种花生种子外观品质检测与分类方法，以花生种子图像的对象像素个数和颜色作为主要特征实现对花生种子的初步分类。需要说明的是，利用机器视觉进行初步分类只是花生种子选育过程中的第一步，后续还有许多问题需要通过其他技术方法来研究、解决，目前相关工作正逐步开展。笔者在相同环境下采集单粒花生种子图像，建立花生种子对象在图像中像素数与其实际质量的回归模型，以花生种子尺寸和外观颜色作为主要特征，采用支持向量机分类模型...