农业机械学报

作者：孙俊,张跃春,毛罕平,武小红,陈勇,翁褀鹏

单位：江苏大学,江苏大学,江苏大学,江苏大学,江苏大学,江苏大学,

关键词：生菜;镉;计算机视觉;图像特征提取;VIAVC

基金：国家自然科学基金项目（31471413）、江苏高校优势学科建设工程项目（苏政办发（2011）6号）、江苏省六大人才高峰项目（ZBZZ-〖JP〗019）和江苏大学大学生创新创业训练计划项目（201710299237W)

为了实现无损检测生菜叶片中重金属镉的污染程度，以计算机视觉技术为研究手段，结合图像处理方法和特征选择方法，对4个梯度重金属镉胁迫的生菜叶片进行识别。首先利用数码相机获取生菜叶片图像，然后使用K?means聚类算法分割图像，对分割出的目标图像提取图像颜色、形状和纹理特征，共获取46个图像特征。为了使模型更简便和减少数据量，利用基于变量组合的变量重要性分析(VIAVC)和竞争性自适应重加权算法(CARS)对图像特征进行降维。采用偏最小二乘法判别分析（PLS-DA）和随机森林（RF）构建模型，用于生菜镉胁迫程度的识别。结果表明，在7个组合特征模型中，颜色形状纹理融合特征所建立的模型给出了最优结果，测试集分类正确率为92%。用VIAVC和CARS对颜色形状纹理融合特征进行特征选择，发现VIAVC的降维效果优于CARS。使用特征选择的变量建立模型，RF模型的训练集分类正确率和预测集分类正确率均高于PLS-DA，其中，基于VIAVC的RF模型的训练集和预测集分类正确率分别为98.0%和96.0%。可见，基于VIAVC的RF模型在大大降低了特征维数的前提下，能够较好地对不同镉胁迫程度的生菜叶片进行识别。

来源：2018年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第3期