甘蔗种芽完好性分类方法
【技术领域】
[0001] 本发明涉及甘蔗种芽的分类方法，特别涉及一种甘蔗种芽完好性分类方法。
【背景技术】
[0002] 贝叶斯决策（BayesianDecisionTheory)就是在不完全情报下，对部分未知的状 态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概 率做出最优决策。
[0003] 广西是我国最大的甘蔗产区，连续多年产量超过全国总产量的60%。目前大力推 广的甘蔗机械化种植技术无法实现种芽完好性检测以及不能实现自动剔除种芽破损的甘 蔗种的功能，进而不能保证新植甘蔗的出芽率。现阶段对于保证甘蔗种芽完好的研究都是 通过定位甘蔗茎节，间接确定甘蔗种芽位置，然后控制切刀避开种芽位置，对甘蔗种芽完好 性分类方法的研究基本上还是一片空白。
[0004] 公开于该【背景技术】部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应 当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
【发明内容】
[0005] 本发明的目的在于提供一种甘蔗种芽完好性分类方法，能对甘蔗种芽完好性进行 分类。
[0006] 为实现上述目的，本发明提供了一种甘蔗种芽完好性分类方法，包括以下步骤：
[0007] (1)获取甘蔗图像；
[0008] ⑵截取甘蔗图像的种芽区域；
[0009] (3)确定种芽的有效分类特征；
[0010] (4)由训练样本确定完好与破损两类种芽的先验概率；
[0011] (5)确定种芽分类特征的类条件概率密度函数；
[0012] (6)计算种芽分类特征的后验概率；
[0013](7)根据贝叶斯决策理论确定种芽完好性分类规则。
[0014] 优选地，上述技术方案中，所述步骤（3)种芽有效分类特征为种芽区域图像的灰 度最大值、灰度最小值、灰度平均值、灰度值中位数以及灰度值标准差。
[0015] 优选地，上述技术方案中，所述步骤（4)确定先验概率时，训练样本总数为N，其中 包括K个完好种芽图像和N2f破损种芽图像，建立种芽区域图像特征库。用ωω2分 别表示种芽完好和破损的两种状态，则先验概率为：
[0016] Ρ ( ω ^ = Ni/N
[0017] Ρ(ω2)=N2/N。
[0018] 优选地，上述技术方案中，所述步骤（5)确定种芽分类特征的类条件概率密度函 数，包括以下步骤：
[0019](1)将种芽区域图像特征库中的每一类特征值分别按照由小到大的顺序排列， 并从中取出最小值和最大值，构成种芽区域图像五个特征向量的分布区间，用[A,，B,]和 = 1，2, 3, 4, 5)分别表示完好和破损种芽区域图像的特征分布区间，将个别与相 邻数据差值在分布区间范围的8%以上的数据视为误差值，并剔除；
[0020] (2)统计每一个特征向量的分布情况，建立特征向量值与出现次数之间的关系；
[0021] (3)将特征分布情况简化为均匀分布，并计算完好和破损种芽区域图像五个分类 特征的均匀分布区间宽度；
[0022] (4)计算完好和破损种芽区域图像五个分类特征的分布区间宽度，得到完好和破 损两类种芽图像五个分类特征的均匀分布区间占整个特征区间的百分比，并计算相应百分 比的差值；
[0023] (5)选取均匀分布比例高，两类种芽相应的比例相差小的分类特征最为最终的分 类特征，并将其简化为均匀分布；
[0024] (6)最终确定的分类特征的类条件概率密度函数为：
[0027] 其中，（Β,-Α,)和（h-a,)分别表示完好和破损种芽区域图像相应特征的分布区间 宽度。
[0028] 优选地，上述技术方案中，所述贝叶斯决策理论为：
[0030] 则样本X属于ω1类，即将X归属为后验概率最大的类别；
[0031] 由贝叶斯公式和全概率公式有：
[0040]与现有技术相比，本发明具有如下有益效果：本发明的甘蔗种芽完好性分类方法， 对三种常见的甘蔗品种即台糖22号、桂糖42号、粵糖60号进行种芽完好性分类，三个品 种分类准确率分别为92. 09%、93. 49%和93. 02%，破损种芽的分类准确率分别达到98%、 97%和96%，表明该分类方法可行，能够实现甘蔗种芽完好性分类的功能。本发明分类规则 的分类准确率较高，均在90%以上，充分证明本发明的种芽完好性分类方法合理、有效。
【附图说明】
[0041]图1是根据本发明的甘蔗种芽完好性分类方法中的种芽区域图像特征分布情况 曲线图中的灰度最大值分布曲线图。
[0042]图2是根据本发明的甘蔗种芽完好性分类方法中的种芽区域图像特征分布情况 曲线图中的灰度最小值分布曲线图。
[0043]图3是根据本发明的甘蔗种芽完好性分类方法中的种芽区域图像特征分布情况 曲线图中的灰度平均值分布曲线图。
[0044]图4是根据本发明的甘蔗种芽完好性分类方法中的种芽区域图像特征分布情况 曲线图中的灰度标准差分布曲线图。
[0045]图5是根据本发明的甘蔗种芽完好性分类方法中的种芽区域图像特征分布情况 曲线图中的灰度中位数分布曲线图。
【具体实施方式】
[0046] 下面结合附图，对本发明的【具体实施方式】进行详细描述，但应当理解本发明的保 护范围并不受【具体实施方式】的限制。
[0047]除非另有其它明确表示，否则在整个说明书和权利要求书中，术语"包括"或其变 换如"包含"或"包括有"等等将被理解为包括所陈述的元件或组成部分，而并未排除其它 元件或其它组成部分。
[0048]一种甘蔗种芽完好性分类方法，包括以下步骤：
[0049] 1.获取甘蔗图像；
[0050] 选择台糖22号、桂糖42号和粵糖60号三个品种的甘蔗种作为种芽完好性的研究 样本，采用MVC360MF黑白摄像头拍摄种芽图像。拍摄时为了增强甘蔗样本图像的亮度，在 室内光照条件下进行，调节镜头焦距为〇亮度为8,并采用普通的40W白炽灯补光，用白色纸 板作为背景板，采集的种芽图像像素为752 X 480。拍摄过程中，人工将甘蔗样本放置在支架 上，并手动调节甘蔗样本的位置，确保甘蔗种芽位于甘蔗样本图像中心位置，每个品种的甘 蔗采集100张种芽完好的图像以及100张种芽破损的图像。
[0051] 2.截取甘蔗图像的种芽区域；
[0052] 经过观测，发现一副像素为752X480的甘蔗样本图像，只有大约的区域是研究所 需要的种芽区域，为了使研究简化，利用MATLAB截取甘蔗样本图像中的种芽区域，得到种 芽区域样本图像。
[0053] 3.确定种芽的有效分类特征；
[0054] 利用MATLAB截取种芽区域40X40的图像，并进行灰度处理，将得到的灰度值转化 为双精度型，得到了灰度最大值（Max)、灰度最小值（Min)、灰度平均值（Mean)、灰度值标准 差（Std)以及灰度值中位数（Median)五个有效的甘蔗种芽分类特征。
[0055] 4.由训练样本确定完好与破损两类种芽的先验概率；
[0056] (1)基于最小错误率的贝叶斯（Bayes)决策
[0057]Bayes决策理论包括最小错误率和最小损失两大准则，分别用于衡量准确率的高 低和误判代价的大小。在实际生产中，完好种芽被误判为破损种芽而被剔除后，还可以返回 糖厂榨糖，损失较小。结合本申请的发明目的是为了尽可能多的找出破损的种芽，则本发明 研究的分类方法应以最小错误率为准则，优先考虑破损种芽的识别准确率。。
[0058] 用ω^Ρω2分别表示种芽完好和破损的两种状态，由Bayes公式，可得：
[0060]式中：
[0061]P(Wi)表示所属样本类别的先验概率，表示ω1出现的概率；
[0062] P(x|Wi)是X的类条件概率密度，表示属于％类的条件下出现X的概率；
[0063] Ρ(ωi|X)为后验概率，表示将X放入ω1类，判断其属于ω1类的概率；
[0064] 根据Bayes决策理论，分类规则描述为：
[0066] 则样本X属于^^类，即将X归属为后验概率最大的类别，其中，j= 1,2, 3, 4, 5， 分别表示Max、Min、Mean、Std和Median五类特征值。也就是说Bayes分类的本质是通过 统计样本特征X的分布情况，然后将类的先验概率Ρ(ωJ转化为后验概率Ρ(ωι|χ)的
为全概率公式，对于所有类别的ωi都是相等的，则分类规则可以 改写成：
[0067]若P(X|ωJP(ωD>P(X|ω2)P(ω2)，X属于ω淡
[0068]若Ρ(χ| coJPhi)<Ρ(χ| ω2)Ρ(ω2)，X属于（〇2类 ⑶
[0069] 由式（3)可知，先验概率Ρ(ωJ和类条件概率密度Ρ(X|ωJ是Bayes决策分类的 基础。
[0070] (2)种芽区域特征的先验概率P(ωi)
[0071] 先验概率Ρ(ω^和Ρ(ω2)是由训练样本数据确定的完好和破损种芽的概率。表 1、表2、表3组成的种芽区域图像特征库分别由台糖22号、桂糖42号和粵糖60号样本图 像特征组成，每一个甘蔗品种图像样本总数为200,记为Ν，其中包括100个完好种芽图像和 100个破损种芽图像，分别用&和Ν2表示。由先验概率的概念可知：
[0072] P(〇/) = NVN = 50% (4)
[0073] P ( ω 2) = Ν2/Ν = 50 %
[0074] 表1:台糖22号种芽区域图像特征数据
[0075]
[0080] 5.确定种芽分类特征的类条件概率密度函数P (x Iω i)
[0081] 种芽图像特征值数据库包括Max、Min、Mean、Std和Median五类特征值，用Xj(j= 1，2, 3, 4, 5)表示，其中\是1X100的单列向量，分别对应100个特征值。
[0082] 以表1台糖22号种芽区域图像特征为例，将每一类特征值分别按由小到大的顺序 排列，并从中取出最小值和最大值，构成种芽区域图像五个特征向量的分布区间，用[A,，B,] 和[a,，b,](j= 1，2, 3, 4, 5)分别表示完好和破损种芽区域图像的特征分布区间。将个别与 相邻数据差值在分布区间范围的8%以上的数据视为误差值，并剔除，得到特征区间数据如 表4示。
[0083] 表4 :种芽图像特征分布区间
[0084]
[0085] 根据表1的特征数据，统计每一个特征向量的分布情况。得到台糖22号完好种芽 灰度最大值的统计