基于机器视觉技术的小粒中药材种子净度快速检测

摘要：

为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其他植物种子及所含杂质的颜色、尺寸及纹理信息,通过相关性分析和主成分分析进行特征变量的筛选,采用多层感知器(MLP)和二元逻辑回归(BLR)建立上述5种中药材种子净度快速检测模型.结果表明,净种子、其他植物种子及所含杂质在物理指标方面存在显著差异,针对不同种子,采用不同指标建立的MLP净度模型的训练集和测试集准确率均在96.0％以上,该模型在不同中药材种子上的稳定性均优于BLR模型;以特征指标建立的模型稳定性优于全部指标的建模效果,运用特征变量建立的MLP模型对不同净度梯度(75.0％～100.0％)的混合样本进行预测,回归曲线的决定系数均达到0.99以上.采用机器视觉技术获取种子、其他植物种子及所含杂质颜色、尺寸和纹理等信息,以特征指标建立MLP模型可用于小粒中药材种子的净度快速检测.

关键词：小粒中药材种子、净度、机器视觉、多层感知器(MLP)、二元逻辑回归(BLR)

所属期刊栏目：27

分类号：S567(经济作物)

资助基金：国家中医药管理局科技助力经济重点专项;大同市与中国农业大学市校合作项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：114-122