多尺度特征融合与极限学习机的玉米种子检测

摘要：

目的 玉米种子等农作物检测是农业信息化领域中一个关键问题,为了能够快速和准确地实现对其检测,提出基于多尺度特征融合与极限学习机的玉米种子无损检测算法.方法 首先对种子特征的描述采用局部特征和全局特征相结合的特点,局部特征采用多尺度方向梯度直方图特征,而在全局特征上则提取HSV颜色模型特征.其次,针对传统的BP神经网络以及SVM等存在训练时间长、检测速度慢的不足,采用极限学习机作为其检测算法.此外,为了避免样本在训练时带来的过多时间消耗,该检测模型上采用了并行训练算法.再次,针对原始图像分辨率过高问题所带来的检测时间以及内存消耗较大的问题,采用一种基于局部均值的图像缩小算法.最后,针对该文采用的滑动窗口扫描可能带来的同一对象多窗口重叠的问题,提出了一种基于模糊聚类的局部窗口融合算法.结果 仿真结果表明,提出的方法可实现对玉米种子的准确检测,对检测样本的测试精度达到97.66％,同时误差控制在0.1％.结论 相比传统的方法,提出的方法在检测速度、检测准确率上均有所改善,无需严格的硬件设备要求并且对玉米种子检测时不会产生任何损伤.

关键词：极限学习机、特征融合、目标检测、窗口融合、模糊聚类

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61502105;福建省自然科学基金项目2013J05088;福建省中青年教师教育科研项目JA15075 National Natural Science Foundation of China61502105;Natural Science Foundation of Fujian Province, China2013J05088

在线出版日期：2016-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：24-38