首页分享基于神经网络的食用玫瑰花图像识别算法

基于神经网络的食用玫瑰花图像识别算法

来源：花匠小妙招时间：2024-11-22 06:06

本文已被：浏览 1193次下载 864次本文二维码信息

码上扫一扫！基于神经网络的食用玫瑰花图像识别算法王彦钧1, 张云伟2, 王大龙1, 殷欣1, 曾伟军11.昆明理工大学现代农业工程学院, 昆明 650500;2.昆明理工大学信息工程与自动化学院, 昆明 650500 摘要: 针对单依靠颜色或形状将采摘期玫瑰花从图像中分割出来难度较大的问题，研究一种基于神经网络的食用玫瑰花图像识别算法。将处于采摘期的玫瑰花正面图像作为识别对象，先提取HSI色彩空间下的S分量，用最大类间方差法（Otsu）进行分割；再提取目标图像灰度共生矩阵下的纹理特征，选取区分度高的纹理特征，结合BP神经网络，建立识别模型。试验结果表明：该方法正确识别率>85%，识别率主要受试验样本开放标准选取的影响，而受光照影响不敏感，是一种较好的识别方法。关键词: 食用玫瑰花图像分割纹理特征神经网络 DOI：10.11841/j.issn.1007-4333.2014.04.27 分类号: 基金项目:国家自然科学基金项目（31060118）；云南省应用基础研究项目（2009ZC041M）；昆明理工大学人才培养项目（2010-07） Recognition algorithm of edible rose image based on neural networkWANG Yan-jun1, ZHANG Yun-wei2, WANG Da-long1, YIN Xin1, ZENG Wei-jun11.Faculty of Modern Agricultural Engineering, Kunming University of Science and Technology, Kunming 650500, China;2.Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China Abstract: It is quite difficult to distinguish the appropriate rose by its color or shape.In order to solve this problem,this paper is aimed to explore an image segmentation and recognition algorithm of edible rose.The roses just before picking period were taken as the recognition object.Firstly,shifted this image to HIS color space;extracted S weight and segmented the image by using Otsu method.Then extracted the textural features of high distinction degree and recognized the picking rose by integrating BP neural network.The result indicated that the correct recognition rate of this method was higher than 85% and the recognition rate was mainly affected by the samples' openness instead of their sensitive to the illumination. Key words: edible rose image segmentation textural features neural network 参考文献(共23条):[1] 邹修国,丁为民,刘德营,等.基于4种不变矩和BP神经网络的稻飞虱分类[J].农业工程学报,2013,29(18):171-187[2] 黄志开.彩色图像特征提取与植物分类研究.合肥:中国科学技术大学,2006[3] 王津京,赵德安,姬伟,等.采摘机器人基于支持向量机苹果识别方法[J].农业机械学报,2009,40(1):147-151[4] 司永胜,乔军,刘刚,等.基于机器视觉的苹果识别和形状特征提取[J].农业机械学报,2009,40(8):161-165[5] 李锦卫,廖桂平,金晶,等.基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法[J].农业工程学报,2010,26(10):236-242[6] 李二超,李战明,刘微容.基于颜色和纹理特征的黄瓜果实图像分割[J].光学技术,2009,35(4):259-230[7] Arivazhagan S,Shebiah R N,Nidhyanandhan S S,et al.Fruit recognition using color and texture features[J].Journal of Emerging Trends in Computing and Information Sciences,2010,1(2):90-94[8] 谢忠红,郭小晴,姬长英,等.基于颜色模型和纹理特征的彩色水果图像分割方法[J].计算机工程与科学,2010,32(1):64-66[9] Nagata M,Cao Q.Study on grade judgment of fruit vegetables using machine vision[J].Japan Agricultural Research Quarterly,1998,32:257-266[10] 章毓晋.图像处理与分析[M].北京:清华大学出版社,1999[11] 曹其新,吕恬生,永田雅辉,等.草莓拣选机器人的开发[J].上海交通大学学报,1999,33(7):880-884[12] 贾云得.机器视觉[M].北京:科学出版社,2000[13] 应义斌.水果形状的傅里叶描述子研究[J].生物数学学报,2001,16(2):234-240[14] Bulanon D M,Kataoka T,Ota Y,et al.AE-Automation and emerging technologies:A segmentation algorithm for the automatic recognition of fuji apples at harvest[J].Biosystems Engineering,2002,83(4):405-412.[15] 马成亮.月季的系统分类研究[J].潍坊学院学报,2002,2(4):8-10[16] 张铁中,周天娟.草莓采摘机器人的研究:Ι基于BP神经网络的草莓图像分割[J].中国农业大学学报,2004,9(4):65-68[17] 谢志勇,张铁中.基于RGB彩色模型的草莓图像色调分割算法[J].中国农业大学学报,2006,11(1):84-86[18] 张亚静,李民赞,乔军,等.一种基于图像特征和神经网络的苹果图像分割算法[J].光学学报,2008,28(11):2014-2108[19] 戚利用,高峰,谭豫之,等.基于归一化椭圆傅里叶描述子地黄瓜形状识别[J].农业机械学报,2011,42(8):164-176[20] 王吉权.BP神经网络的理论及其在农业机械化中的应用研究.沈阳:沈阳农业大学,2011更多... 相似文献(共20条):[1] 李冠林,马占鸿,王海光.基于支持向量机的小麦条锈病和叶锈病图像识别[J].中国农业大学学报,2012,17(2):72-79.[2] 谢泽奇,张会敏,张善文,张云龙.基于颜色特征和属性约简的黄瓜病害识别方法[J].江苏农业学报,2015(3).[3] 张飞云.基于量子神经网络和组合特征参数的玉米叶部病害识别[J].广西农业科学,2013(8):1286-1290.[4] 张飞云.基于提升小波和学习向量量化神经网络的小麦病害图像识别[J].江苏农业科学,2013,41(5).[5] 徐硕,王洲.基于纹理特征和神经网络的图像识别[J].勤云标准版测试,2007(9).[6] 张志强,张惠莉.基于神经网络和图像颜色、形状特征的绿色苹果图像分割[J].农业网络信息,2013(10).[7] 基于主分量分析的苹果叶部3种常见病害识别方法[J].江苏农业科学[8] 玉米叶片病斑多光谱特征提取及识别方法[J].江苏农业科学[9] 王临铭,高晓阳,李红岭,邵世禄,田斌,王关平,杨梅,李妙祺,李小莹,杨建青,王明磊,寇敏瑜.基于神经网络的大麦病害识别研究[J].甘肃农业大学学报,2015(2).[10] 韩蕊,刘源.黄瓜霜霉病的图像识别[J].农技服务,2019(3).[11] 李超,彭进业,张善文.基于特征融合与局部判别映射的苹果叶部病害识别方法[J].广东农业科学,2016,43(10):134-139.[12] 朱景福,李雪.聚类算法在玉米叶片病斑降维识别中的应用[J].江苏农业科学,2015(1).[13] 黄,林,贺,鹏,王经民.基于概率神经网络和分形的植物叶片机器识别研究[J].西北农林科技大学学报(自然科学版),2008,36(9):212-218.[14] 基于WT-Otsu算法的植物病害叶片图像分割方法[J].江苏农业科学[15] 王献锋,张善文,孔韦韦.基于自适应中心对称局部二值模式的作物病害识别方法[J].广东农业科学,2016,43(9):140-145.[16] 基于图像特征融合的麦冬叶部病害识别[J].湖北农业科学[17] 晁晓菲,樊李行,蔡骋,何东健.基于多特征提取和选择的木材分类与识别[J].现代农业科技,2018(18).[18] 余长庚,刘凯.基于小波变换与Otsu阈值去噪的脐橙识别方法[J].华南农业大学学报,2020,41(5):109-114.[19] 陈培芝,陈水利,陈国龙.Gabor小波和局部二值模式结合的一种人脸识别算法[J].厦门水产学院学报,2010(4):317-320.[20] 唐俊,邓立苗,陈辉,栾涛,马文杰.基于机器视觉的玉米叶片透射图像特征识别研究[J].中国农业科学,2014,47(3):431-440.