第26卷第6期农业工程学报Vol.26No.62010年6月TransactionsoftheCSAEJun.2010199多对象特征提取和优化神经网络的玉米种子品种识别王玉亮1，刘贤喜2※，苏庆堂3，王朝娜2（1．南京航空航天大学机电学院，南京210016；2．山东农业大学机械与电子工程学院，泰安271018；3．鲁东大学现代教育技术教学部，烟台264025）摘要：为了实现机器视觉代替人的视觉，对玉米种子品种进行实时、客观、准确和无损伤识别，研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点，对玉米种子品种识别技术与算法进行了深入地研究和探索，提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法，提取了玉米种子的几何特征和颜色特征参数，优化了基于机器视觉的玉米种子图像处理策略和品种识别算法，提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验，每粒种子识别的平均耗时为0.127s，综合识别率达到97%以上。研究表明，基于机器视觉的玉米种子品种识别与检测方法是可行的，该方法可提高玉米种子品种识别效率和正确率。关键词：特征提取，主成分分析，神经网络，玉米种子，品种识别doi：10.3969/j.issn.1002-6819.2010.06.035中图分类号：TP391，S513文献标识码：A文章编号：1002-6819(2010-06-0199-06王玉亮，刘贤喜，苏庆堂，等.多对象特征提取和优化神经网络的玉米种子品种识别[J].农业工程学报，2010，26(6：199－204.WangYuliang,LiuXianxi,SuQingtang,etal.Maizeseedsvarietiesidentificationbasedonmulti-objectfeatureextractionandoptimizedneuralnetwork[J].TransactionsoftheCSAE,2010,26(6:199－204.(inChinesewithEnglishabstract0引言玉米作为中国主要的农作物之一，在食品、饲料等行业中备受关注。玉米种子直接关系到玉米的产量与质量，机器视觉具有实时、高效、客观、准确和无损伤等优点[1]，为此，应用机器视觉代替人的视觉进行玉米等谷物种子品种及质量检验有着重要意义。玉米的检测识别一直是研究的热点，1994年以来，LiaoK等[2]应用人工神经网络分类器对玉米籽粒的完好与破损进行在线实时检测，宋韬等[3]应用多层前馈网络（BP，backpropagation）识别玉米粒完整与破损，NiB.等[4]根据玉米籽粒大小进行分级，H.ENg等[5]对玉米进行损伤粒和霉变粒的识别。2004年以后，宁纪锋等[6]应用机器视觉对玉米籽粒的尖端和胚部的进行识别，杨蜀秦等[7]研究了基于BP人工神经网络的玉米品种识别，陈永艳[8]等研究了玉米种子品种模糊模式识别模型，赵新子等[9]研究了玉米种子活力图像识别与处理技术，司秀丽等[10]研究了玉米种子纯度的计算机图像识别，杨锦忠等[11]研究了基于种子图像处理的大数目玉米品种形态识别，史智兴等[12]研究了图像处理识别玉米品种的特征参数，王收稿日期：2009-09-29修订日期：2010-05-12基金项目：山东省科技计划资助项目（J05G16）作者简介：王玉亮（1979－），男，山东泰安人，博士生，主要从事机器视觉、图像处理等研究。南京南京航空航天大学机电学院，210016。Email:wangyuliangcn@126.com※通信作者：刘贤喜（1963－），男，山东日照人，教授，博士，主要从事计算机视觉、图像处理和模式识别等研究。泰安山东农业大学机械与电子工程学院，271018。Email:bullish@sdau.edu.cn宏勇等[13]研究了基于遗传算法和支持向量机的玉米品种识别，程洪等[14]研究了基于支持向量机的玉米品种识别，苏谦等[15]研究了基于近红外光谱和仿生模式识别的玉米品种快速鉴别方法。综上所述，玉米种子品种识别与检测中主要有种子有效特征提取和种子模式识别分类方法等两大关键技术，其中特征提取是品种识别的关键环节。在特征提取方面，一般都是采用对单粒种子进行特征提取的方法，效率比较低。针对玉米种子品种识别与检测的特点，搭建了基于机器视觉的玉米种子图像采集系统，提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法，该方法可以在保证种子特征提取精度和效率的前提下，把其他文献中90%左右品种识别率，提高到97%以上。1玉米识别系统与玉...