一种用于小麦正常粒识别的方法技术

一种用于小麦正常粒识别的方法，包括以下步骤:首先采集小麦图像、图像预处理、小麦多特征提取、特征数据预处理、建立BP神经网络识别模型、小麦正常粒识别，本专利涉及BP神经网络训练时迭代1000次后停止训练，在全部训练集上，识别准确率为93.1%。

【技术实现步骤摘要】
一种用于小麦正常粒识别的方法
本专利技术涉及机器识别
，具体说的是一种用于小麦正常粒识别的方法。
技术介绍
小麦是中国四大主粮之一，是仅次于水稻的重要粮食作物。小麦种子的质量对提高小麦产量具有重要意义，而传统的人工挑选小麦种子时间成本高，作业效率低，现有的小麦精选机多采用筛网、风箱进行筛选、比重式种子筛选等，对于质量、体积相近的小麦筛选效果不理想。因此需要采用具有识别方法的筛选机器对不正常的小麦种子进行筛选，在此筛选设置中识别方法是能否高正确率筛选的关键，采用视觉设备进行筛选的机器，多采用常规的识别技术，识别方法最终识别率较低，也不并能达到很好的筛选效果。
技术实现思路
为解决上述技术问题，本专利技术提供一种用于小麦正常粒识别的方法，能提升正常粒小麦的识别率。为实现上述技术目的，所采用的技术方案是：一种用于小麦正常粒识别的方法，包括以下步骤:步骤1、首先采集小麦图像通过机器视觉设备采集正常小麦种子≥500粒、破损小麦种子≥500粒、发芽小麦种子≥500粒、干瘪小麦种子≥450粒的图像，得到小麦原本文档来自技高网...

【技术保护点】
1.一种用于小麦正常粒识别的方法，其特征在于：包括以下步骤/n步骤1、首先采集小麦图像/n通过识别系统采集正常小麦种子≥500粒、破损小麦种子≥500粒、发芽小麦种子≥500粒、干瘪小麦种子≥450粒的图像，得到小麦原图；/n步骤2、图像预处理/n将小麦原图二值化，对二值化图像去除噪点后，进行闭运算，将闭运算后的图像与小麦原图进行与运算后，得到的图像再与小麦原图一样大小的黑色图片相加即可得到去除背景的图像，将去除背景的图像转为灰度图，再次二值化，轮廓检测，去除掉面积小于1000像素的轮廓，将剩余轮廓转为矩形得到矩形轮廓的坐标，即可对轮廓检测后的图像进行ROI裁剪，得到去背景的单独小麦种子图像；...

【技术特征摘要】
1.一种用于小麦正常粒识别的方法，其特征在于：包括以下步骤
步骤1、首先采集小麦图像
通过识别系统采集正常小麦种子≥500粒、破损小麦种子≥500粒、发芽小麦种子≥500粒、干瘪小麦种子≥450粒的图像，得到小麦原图；
步骤2、图像预处理
将小麦原图二值化，对二值化图像去除噪点后，进行闭运算，将闭运算后的图像与小麦原图进行与运算后，得到的图像再与小麦原图一样大小的黑色图片相加即可得到去除背景的图像，将去除背景的图像转为灰度图，再次二值化，轮廓检测，去除掉面积小于1000像素的轮廓，将剩余轮廓转为矩形得到矩形轮廓的坐标，即可对轮廓检测后的图像进行ROI裁剪，得到去背景的单独小麦种子图像；
步骤3、小麦多特征提取
对去背景的单独小麦种子图像提取颜色特征：R、G、B、H、S三阶颜色矩共15个特征值，提取纹理特征：利用GLCM提取得到4个方向的4个纹理特征值共16个特征向值，利用garbor滤波在0°，45°，90°，135°四个方向和7、9、11、13、15、17六个尺度处理去背景的单独小麦种子图像，可得到24张图像，将处理得到的图像的均值作为特征值，可得24个特征值，每幅单独小麦种子图像共计可得55个特征值；
步骤4、数据预处理
对得到的55个特征值进行PCA降维处理得到10个主成分数值，将正常、发芽、破损、干瘪的小麦种子10个主成分数值分别按照8：2的比例随机划分为训练集与测试集；
步骤5、建立BP神经网络识别模...

【专利技术属性】
技术研发人员：张伏，陈自均，武银泽，任艺涵，张航星，禹煌，郭梦云，张念文，杨宁，付三玲，张亚坤，王甲甲，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41