[00917018]稻种的光学特性与质量机器视觉检测的研究

稻种质量检验对有效控制种子质量以提高产品产量和质量、贯彻优质优价政策、保证种子贮藏运输的安全及种子产业化进程的作用举足轻重。该项目通过显微观察分析、光学特性研究和计算机图像处理等手段探索稻种质量的机器视觉检验原理和方法，结果提示杂交稻种特征特性可分为芽谷、重霉、裂颖、点霉、微裂和正常六类进行检验处理，采用优化的硬件环境构建了稻种质量机器视觉系统，建立了五个品种杂交稻种不同类别的图像信息库，在此基础上进行了稻种质量视觉检验的算法研究。稻种图像预处理后的Hough变换结果证实与稻种裂颖程度密切相关，再经后处理得到的特征值用于裂颖检测对正常稻种、微裂稻种、裂颖稻种的准确率分别达到96%、92%、87%，该算法对不同水稻品种普遍适用；比较了提取颜色特征的整体法、区域法和树状结构法，基于颜色特征的稻种霉变检测算法对正常稻种、轻度霉变稻种、严重霉变稻种的检测准确率分别为92%、95%、83%；经过主成分分析建立的人工神经网络对正常稻种的识别准确率均超过95%，对芽谷的识别准确率在85%至90%之间。该项目研究方法和试验结果对其它农业物料的光学检测研究具有学术上的借鉴和指导意义。