計(jì)算機(jī)視覺對(duì)稻谷儲(chǔ)藏霉變真菌的識(shí)別研究.pdf

1、稻谷，作為世界上重要糧食作物之一，其產(chǎn)量高、具有較高的經(jīng)濟(jì)價(jià)值，在世界范圍內(nèi)得到廣泛種植。稻谷作為我國(guó)三大糧種之一，是我國(guó)一半以上人口的主食。稻谷中含有豐富的營(yíng)養(yǎng)成分，是人類生存的物資源泉。然而稻谷在儲(chǔ)藏過程中常因儲(chǔ)藏不當(dāng)而導(dǎo)致霉變，其中真菌污染是導(dǎo)致霉變的主要因素之一。在糧食公益性行業(yè)專項(xiàng)經(jīng)費(fèi)項(xiàng)目(201313002-01)的資助下，本文通過利用計(jì)算機(jī)視覺技術(shù)對(duì)常見的五種真菌引發(fā)的霉變稻谷進(jìn)行檢測(cè)，又進(jìn)一步研究利用計(jì)算機(jī)視覺技術(shù)對(duì)五種

2、真菌菌落的識(shí)別，期望利用此技術(shù)對(duì)稻谷霉變達(dá)到早期檢測(cè)和霉變真菌種類鑒定的目的。
　　1.計(jì)算機(jī)視覺系統(tǒng)裝置的搭建
　　為了實(shí)現(xiàn)稻谷霉變圖像和真菌圖像的獲取，搭建了一套計(jì)算機(jī)視覺裝置，裝置主要包括相機(jī)、光源、底座、支架等單元。經(jīng)過多次調(diào)試，確定了光源強(qiáng)度、相機(jī)與樣品的距離、相機(jī)曝光時(shí)間、快門速度、光圈等一系列參數(shù)。
　　2.基于計(jì)算機(jī)視覺對(duì)霉變稻谷的檢測(cè)
　　通過對(duì)引起稻谷霉變真菌的調(diào)查，篩選出五種常見的真菌來研究

3、。首先進(jìn)行真菌培養(yǎng)，制成懸浮液，將懸浮液接種到稻谷樣品中，對(duì)稻谷樣品模擬儲(chǔ)藏。利用計(jì)算機(jī)視覺裝置對(duì)正常（對(duì)照組）、霉變?cè)缙?、霉變晚期三組稻谷樣品進(jìn)行圖像采集，對(duì)圖像進(jìn)行預(yù)處理，通過分析圖像特征差異，對(duì)灰度、顏色和紋理特征進(jìn)行提取，共68個(gè)特征數(shù)據(jù)。采用支持向量機(jī)(Support vector machines，SVM)和偏最小二乘法判別分析(Partial Least Squares Discirminant Analysis，PLS-

4、DA)構(gòu)建檢測(cè)模型，首先用于正常稻谷與霉變稻谷的區(qū)分，又對(duì)五種真菌霉變稻谷類型進(jìn)行區(qū)分。為了降低模型復(fù)雜度和數(shù)據(jù)冗余，利用連續(xù)投影算法(Successive projections algorithm，SPA)來消除原始數(shù)據(jù)變量間的共線性。結(jié)果得出利用SVM模型能夠很好的區(qū)分對(duì)照組與霉變組，其中建模集和驗(yàn)證集準(zhǔn)確率分別為99.8％和98.8％。SVM模型對(duì)于五種霉變晚期稻谷的區(qū)分效果要優(yōu)于霉變?cè)缙?，其中?duì)早期霉變五種真菌區(qū)分的建模集和驗(yàn)

5、證集準(zhǔn)確率分別為99.3％和92％，對(duì)晚期霉變五種真菌區(qū)分的準(zhǔn)確率分別為100％和94％，且整體上SVM模型的效果要優(yōu)于PLSDA模型。在基于SPA特征結(jié)果發(fā)現(xiàn)，SPA不僅消除了數(shù)據(jù)冗余、減少了運(yùn)算量，而且在區(qū)分效果上也有很好的表現(xiàn)。說明了利用計(jì)算機(jī)視覺技術(shù)結(jié)合稻谷霉變特征來檢測(cè)稻谷霉變是可行的，且具有較高的準(zhǔn)確率。
　　3.基于計(jì)算機(jī)視覺對(duì)五種霉菌菌落的識(shí)別
　　基于前期對(duì)霉變稻谷真菌的檢測(cè)結(jié)果，進(jìn)一步研究了基于菌落特征差

6、異的五種真菌的識(shí)別。首先對(duì)五種真菌進(jìn)行純培養(yǎng)，觀察并記錄各種真菌在不同培養(yǎng)天數(shù)菌落形態(tài)的變化，同時(shí)對(duì)第2d、3d、4d菌落圖像進(jìn)行采集。通過對(duì)比分析不同天數(shù)的菌落特征差異，對(duì)菌落圖像預(yù)處理，并對(duì)顏色、形態(tài)、紋理特征數(shù)據(jù)提取。線性判別器(Linear Discriminant Analysis，LDA)、PLSDA和隨機(jī)森林分類(RandomFroest，RF)、SVM四種判別模型被用來建模分析，分別基于顏色、形態(tài)、紋理特征和三種特征結(jié)合

7、的方式構(gòu)建識(shí)別模型。結(jié)果表明:基于三種特征結(jié)合構(gòu)建的模型區(qū)分的準(zhǔn)確率最高，其次是顏色特征和紋理特征，最差的是基于形態(tài)特征。其中SVM模型結(jié)果相對(duì)較好，對(duì)第2d、3d、4d天的建模集識(shí)別準(zhǔn)確率均為100％，預(yù)測(cè)集準(zhǔn)確率分別為93.2％、96.4％、97.6％。研究也表明隨著真菌生長(zhǎng)時(shí)間的延長(zhǎng)，五種真菌菌落特征差異越明顯，識(shí)別率越高。同時(shí)，由于原始特征數(shù)據(jù)量大，且存在數(shù)據(jù)冗余，會(huì)降低運(yùn)算速率，所以利用SPA特征選取的方法來消除這些不利因素。

8、將SPA選擇的特征數(shù)據(jù)結(jié)合SVM模型建模分析，結(jié)果表明SPA不僅有助于消除數(shù)據(jù)冗余和提高運(yùn)算速率，而且在一定程度上提高了模型的準(zhǔn)確率，其中對(duì)第2d、3d、4d天的真菌菌落，建模集識(shí)別準(zhǔn)確率分別為99.6％、100％、99.8％，預(yù)測(cè)集準(zhǔn)確率分別為94.8％、98％、99.2％。
　　4.稻谷真菌數(shù)字圖像識(shí)別軟件設(shè)計(jì)
　　以計(jì)算機(jī)視覺技術(shù)對(duì)五種真菌數(shù)字圖像識(shí)別的研究結(jié)果為基礎(chǔ)，設(shè)計(jì)了一款用于稻谷真菌數(shù)字圖像的識(shí)別軟件(軟件名稱