基于光谱成像技术的温室黄瓜识别方法  

Greenhouse Cucumber Recognition Based on Spectral Imaging Technology

作　　者：袁挺[1] 纪超[1] 陈英[1] 李伟[1] 张俊雄[1] 

机构地区：[1]中国农业大学工学院,北京100083

出　　处：《农业机械学报》2011年第S1期172-176,共5页Transactions of the Chinese Society for Agricultural Machinery

基　　金：国家自然科学基金资助项目(31071320;31101079);农业科技成果转化基金资助项目(2011GB23600020);高等学校博士点专项科研基金资助项目(20090008110007);教育部博士点新教师类基金资助项目(200800191014)

摘　　要：为实现温室环境下近色系果蔬的采摘识别,提出了一种基于统计方差结合人工神经网络的光谱选择方法对黄瓜敏感波段进行分析验证,并将选定的光谱组合作为温室黄瓜识别中光谱图像获取的参考依据。结果表明,利用所摄敏感波段的图像信息可有效地解决黄瓜目标与背景的区分问题。综合比较黄瓜作物(果实、叶、花)在不同光谱域的分光反射特性差异,利用方差分解方法获取果实信息的敏感波段,在敏感区域内进行主成分分析,将前4个主成分作为网络输入、作物器官类别作为输出,建立3层BP-ANN验证模型。将160个样本数据按比例分为建模集和预测集,模型对建模集120个样本的正确判别率为100%,对预测集40个样本的正确判别率为95%。说明敏感波段的选择能较好地反映黄瓜作物不同器官间的特性差异。为实现温室环境下近色系果蔬的采摘识别,提出了一种基于统计方差结合人工神经网络的光谱选择方法对黄瓜敏感波段进行分析验证,并将选定的光谱组合作为温室黄瓜识别中光谱图像获取的参考依据。结果表明,利用所摄敏感波段的图像信息可有效地解决黄瓜目标与背景的区分问题。综合比较黄瓜作物(果实、叶、花)在不同光谱域的分光反射特性差异,利用方差分解方法获取果实信息的敏感波段,在敏感区域内进行主成分分析,将前4个主成分作为网络输入、作物器官类别作为输出,建立3层BP-ANN验证模型。将160个样本数据按比例分为建模集和预测集,模型对建模集120个样本的正确判别率为100%,对预测集40个样本的正确判别率为95%。说明敏感波段的选择能较好地反映黄瓜作物不同器官间的特性差异。

关 键 词：温室黄瓜 光谱成像 波段选择 神经网络 

分 类 号：S22[农业科学—农业机械化工程]