基于高光谱图像与视觉词袋模型的稻种发芽率预测研究

为实现稻种品质的快速鉴定,以稻种最重要的品质参数之一——发芽率作为主要评价指标,通过高光谱成像技术结合视觉词袋(Bo VW)模型的方法进行稻种发芽率的分级评价。挑选Y两优302、两优108和内5优8015三个品种的杂交水稻种子各100粒,在温度40℃、相对湿度100%条件下对三种稻种分别老化处理0、1、2、3、4 d,得到5个活力梯度的稻种。采集300粒稻种的高光谱图像,随机分为训练集(200份)和测试集(100份)。图像采集完毕后,进行稻种发芽实验,第14天时计算发芽率。采用主成分分析(PCA)方法选取特征波长,利用密集尺度不变特征变换(SIFT)算法提取稻种图像局部特征,再根据K-means算法聚类生成视觉词典。利用以径向基(RBF)核为核函数的支持向量机(SVM)分类器建立稻种发芽率分级预测模型,判别精度为95.65%。结果表明,采用高光谱成像技术结合视觉词袋模型进行水稻发芽率的快速、无损预测是可行的。