[发明专利]一种针对不同品种小麦种子的单粒定点识别技术

说明书

本发明公开了一种针对不同品种小麦种子的单粒定点识别技术，包括如下步骤：获取待鉴定小麦种子的高光谱图像数据，采用黑白校正方法对高光谱图像进行校正后，进行主成分变换；选择整粒小麦种子作为感兴趣区域，提取相关区域的平均光谱作为该粒样本的光谱数据；采用S‑G平滑法对光谱数据进行平滑处理；使用Kennard‑Stone方法将样本光谱数据按照3∶2的比率划分为训练集和预测集，采用连续投影算法选取适于不同杂交品种小麦种子鉴别的最优波段；构建支持向量机模型；将最优波段输入建立的SVM模型中，将预测结果用不同颜色表示，完成混合种子的定点识别。本发明实现了不同杂交品种的小麦籽粒的在线检测，并实现了单粒的定点识别。

技术领域

本发明涉及种子识别领域，具体涉及一种针对不同品种小麦种子的单粒定点识别技术。

背景技术

种子的纯度是衡量种子品质的重要指标。所谓小麦的纯度就是测试种子批次中包含的预期种子的比例。随着杂交技术的广泛应用，小麦种子品种不断增多，品种间的相似性逐渐增加，主观感知难以区分。在储存和运输过程中，不同的小麦种子可能混合在一起，降低种子的纯度，影响杂交后代的性状。并且不法商人将其他品种的种子或不合格的种子混入合格的种子中，造成作物减产，严重损害种植者的利益。传统的种子纯度检测方法主要有形态鉴定，种子鉴定，理化分析，蛋白质电泳等，但这些方法大多需要专业人员和专业设备，往往需要很长时间，对种子样本具有破坏性。因此，市场上迫切需要快速方便地鉴定小麦品种的方法。

为了提高种子检测的快速性，20世纪90年代以来，机器视觉等技术在种子纯度检测中的应用得到了广泛的研究。计算机视觉技术是一种取代人类视觉感官的新技术，它可以通过建立种子形态特征(大小，颜色，形状等)的数学模型，对种子品种进行客观分类。由于所收集的特征信息的充分性，可靠性和有效性直接影响分类的准确性。所以数据采集是整个实验过程中最重要的部分。然而，机器视觉只能获得种子样品的单一性状。高光谱成像(HIS) 系统结合了机器视觉和光谱学，可以获取待分析种子的空间和光谱信息。与单一的机器视觉技术或光谱分析技术相比，HSI技术提供的信息包括被测物体的外部形态特征，内部物理特征和化学成分。

发明内容

为解决上述问题，本发明提供了一种针对不同品种小麦种子的单粒定点识别技术。

为实现上述目的，本发明采取的技术方案为：

一种针对不同品种小麦种子的单粒定点识别技术，包括如下步骤：

S1、高光谱图像数据的获取

S11、利用高光谱分选仪获取待鉴定小麦种子的高光谱图像数据，并通过以下公式采用黑白校正方法对高光谱图像进行校正，以消除噪声的影响：

式中，R_d-黑板的漫反射图像；R_w-白板的漫反射图像；R_s-样本原始的漫反射光谱图像；R-校正后的漫反射光谱图；

S12、对校正后的高光谱数据进行主成分变换，对第四主成分图(PC-4)进行二值化处理得到小麦种子的二值图，作为掩膜模板，其中，目标区域像素值为1，其余全为0；

S13、选择整粒小麦种子作为感兴趣区域，利用以下公式获取样本所有掩膜后的图像，即除目标样本外其余区域全是0。

BR＝OR×Mask (2)

其中：BR为掩膜后得到的图像；OR为校正后的高光谱图像；Mask为样本第四主成分图二值化；

S2、光谱数据的预处理

采用S-G平滑法对光谱数据进行平滑处理，其中平滑窗口大小为7；

S3、最佳波段的选择