[发明专利]一种基于多分类器的玉米品种真伪鉴别方法和鉴别系统

权利要求书

1.一种基于多分类器的玉米品种真伪鉴别方法，其特征在于：包括以下步骤：

S1：采集目标玉米籽粒的彩色图像；

S2：对彩色图像进行包括灰度化、去噪、二值化的预处理；

S3：从步骤S1和步骤S2得到的图像中分别提取玉米籽粒的包括颜色特征、形状特征和纹理特征的表型特征参数；

S4：将表型特征参数作为自变量，输入到预设品种的已经训练好的包括KNN分类器、神经网络分类器和支持向量机分类器的分类器中，根据输出结果投票决定目标玉米籽粒是否属于预设品种。

2.根据权利要求1所述的鉴别方法，其特征在于：所述的步骤S2中，具体步骤为：

S21：利用灰度化公式将彩色图像转化为灰度图像；

S22：自定义加权均值滤波模板对灰度图像滤波，对灰度图像去噪；

S23：使用最大类间方差法进行基于直方图的自动的非参数非监督的阈值选择，并根据阈值对灰度图进行二值化操作得到二值图像。

3.根据权利要求2所述的鉴别方法，其特征在于：所述的步骤S23中，二值化阈值为105。

4.根据权利要求2所述的鉴别方法，其特征在于：所述的步骤S3中，玉米籽粒的纹理特征包括：

基于灰度图像获取45度方向上的灰度共生矩阵；

基于灰度共生矩阵计算灰度共生矩阵元素值的平方和获取能量参数值；

基于灰度共生矩阵计算图像灰度级集合的比特平均数获取熵的值；

基于灰度共生矩阵计算惯性矩；

基于灰度共生矩阵计算相关性。

5.根据权利要求2所述的鉴别方法，其特征在于：所述的步骤S3中，玉米籽粒的形状特征包括：

基于二值图像获取玉米籽粒区域内包含的所有像素个数，用于确定目标玉米籽粒的面积；

基于二值图像获取玉米籽粒区域面积相等的圆的直径，用于确定目标玉米籽粒的直径；

基于二值图像获取玉米籽粒区域外轮廓线的长度，用于确定目标玉米籽粒的周长；

根据面积和直径计算玉米籽粒形状接近圆的程度，用于确定目标玉米籽粒的圆形度；

基于二值图像获取玉米籽粒区域的长和宽，用于确定目标玉米籽粒的椭圆度和延伸度。

6.根据权利要求1所述的鉴别方法，其特征在于：所述的步骤S3中，玉米籽粒的颜色特征包括：基于彩色图像获取RGB各分量和HSV各分量；

RGB各分量中，根据彩色图像的R分量值确定R分量的一阶矩、二阶矩、偏度、峰值；根据彩色图像的G分量值确定G分量的一阶矩、二阶矩、偏度、峰值；根据彩色图像的B分量值确定B分量的一阶矩、二阶矩、偏度、峰值；

HSV各分量中，根据彩色图像的H分量值确定H分量的一阶矩、二阶矩、偏度、峰值；根据彩色图像的S分量值确定S分量的一阶矩、二阶矩、偏度、峰值；根据彩色图像的V分量值确定V分量的一阶矩、二阶矩、偏度、峰值。

7.根据权利要求1所述的鉴别方法，其特征在于：所述的步骤S4中，KNN分类器分类的具体步骤为：根据已经审定的玉米品种的样本采集的图像获取的特征参数，构建预设品种的相应的标准特征参数数据库；通过交叉验证确定K的值为10；计算目标玉米籽粒的表型特征参数与标准特征参数数据库中每个样本的欧氏距离，若最近的K个样本类型都是预设品种则输出1，若最近的K个样本类型不都是预设品种则输出0。

8.根据权利要求1所述的鉴别方法，其特征在于：所述的步骤S4中，神经网络分类器分类的具体步骤为：根据已经审定的玉米品种的样本采集的图像获取的特征参数，构建预设品种的相应的标准特征参数数据库；建立神经网络模型，构建的神经网络分类器的层数为3层，分别为输入层、隐藏层、输出层；输入层的节点数为37，隐藏层的节点数为100，输出层的节点数为1；输出层输出的结果为0或1；训练神经网络模型，保存模型参数。