文献类型：期刊文章

作　　者：杨红云[1] 黄琼[2] 孙爱珍[2] 王映龙[2] 肖小梅[1] 罗建军[2]

Yang Hongyun;Huang Qiong;Sun Aizhen;Wang Yinglong;Xiao Xiaomei;Luo Jianjun(College of Software,Jiangxi Agricultural University,Nanchang 330045;College of Computer and Information Engineering,Jiangxi Agricultural University,Nanchang 330045)

机构地区：[1]江西农业大学软件学院,南昌330045 [2]江西农业大学计算机与信息工程学院,南昌330045

出　　处：《中国粮油学报》

基　　金：国家自然科学基金(61562039)。

年　　份：2021

卷　　号：36

期　　号：12

起止页码：144-150

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对外形相似的水稻种子间分类难、识别正确率低等问题,提出一种卷积神经网络与支持向量机相结合的方法(CNN_SVM)对8类水稻种子进行分类识别。首先对图像进行切割、旋转等预处理后建立水稻种子图像数据库,其次通过提取图像的方向梯度直方图(HOG)、LBP纹理、SIFT描述子和CNN特征,分别建立SVM、KNN和Softmax分类模型对水稻种子图像进行分类识别比较。最后采用随机加入噪声点方法模拟噪声干扰稻种和调整色彩饱和度方法模拟不同年份稻种后进行分类识别。结果表明CNN_SVM模型对正常、噪声干扰和不同年份的水稻种子图像识别正确率分别为96.2%、95.8%和96.1%,识别单张图像时间为4.57 ms,明显优于CNN、SVM的传统模型。模型的抗噪和泛化能力强,能满足实际生活中水稻种子分类识别需求。

关 键 词：水稻种子 卷积神经网络 分类识别  支持向量机

分 类 号：S126]