情况，如表5所示。其中表头的"特征值"分别对应特征向量值，"个数" 则表示该特征值在表1中出现的次数。
[0086] 表5 :种芽图像灰度最大值分布统计
[0087]
[0088] 经过分析，发现表5的统计数据实际就是在完好种芽的前提下，种芽区域图像灰 度最大值特征的分布情况。按照类似表5的特征分布情况，可以绘出台糖22号完好和破损 种芽区域图像五个特征的分布曲线图，如图1 (包括图a-Ι和图a-2)、图2(包括图b-Ι和 图b_2)、图3 (包括图c_l和图c_2)、图4 (包括图d_l和图d_2)和图5 (包括图e_l和图 e_2)所示，其中1系列为完好种芽特征，2系列为破损种芽特征，横坐标表示特征值，纵坐标 表示对应特征值在有限样本内出现的次数。
[0089] 由图1-图5可知，所有的分布曲线都是由水平直线和倾斜直线首尾连接而成，整 体呈现锯齿形。水平直线表示相邻的横坐标所对应特征值出现的次数相等，锯齿顶点则是 某个特征值出现次数与左右相邻的特征次数都不相同，而引起了特征值的分布波动。图 1-图5显示，仅有c-l、c-2、d-l和d-2的分布曲线较为稳定，主要由水平直线构成，其余特 征分布情况都属于上、下波动的锯齿型曲线。不管是水平直线还是锯齿型曲线，都与正态分 布的"倒钟型"密度函数曲线相差较远，常见的二次、三次和指数等连续函数也无法与曲线 匹配。分段函数可以完美拟合分布曲线，但是波动最频繁的图a-2曲线，将被分成35段函 数，分布最稳定的图c-2曲线也需分成7段，如此多的分段数量，将对分类规则的制定和分 类决策带来复杂的计算和判断。
[0090] 进一步观察图1-图5,发现在灰度特征的分布曲线中，表示非均匀分布的倾斜直 线区域在横轴上的投影所占整个特征区间的比例较小，可忽略不计。根据连续分布概率计 算公式（5)，一个定点的概率为0,则锯齿峰值点也可以略去，最后只剩下水平直线对应的 特征值，且这些特征值出现的次数相等，可看成是均匀分布。
[0092] 将表5中出现次数相同且连续的特征值组成的区间称为均匀分布区间。观察表5 发现，组成均匀分布区间的特征次数有1次、2次和3次，但次数为1的均匀分布区间占到了 92. 72%，为了简化均匀分布函数，将它们统一归为次数为1的均匀分布，然后进行统计，得 到台糖22号完好种芽图像灰度最大值均匀分布区间宽度，并以同样的方法得到台糖22号 完好与破损种芽图像五个特征的均匀分布区间宽度，结果如表6所示。
[0093] 表6:种芽区域图像特征均匀分布区间宽度
[0094]
[0095] 根据表4特征分布区间，计算得到完好和破损种芽区域图像特征分布区间宽度， 如表7所示。
[0096] 表7:种芽区域图像特征区间宽度
[0097]
[0098] 将表6和表7的数据对应相除，得到完好和破损两类种芽图像特征的均匀分布区 间占整个特征区间的百分比，并计算两类种芽相应百分比的差值，如表8所示。
[0099] 表8 :种芽区域图像特征均匀分布比例
[0100]
[0101]表8数据显示，Min和Median两个特征的均匀分布比例较低，在28. 86 %~45. 30%之间，而且两类种芽相应的比例差值较大，达到了12. 00%和13.1%。而Max、Mean 和Std三个特征的均匀分布比例较高，均超过了50%，Mean和Std的比例达到了90%左右， 且两类种芽相应的比例相差较小。虽然Mean的比例差值为5. 02%，但是相应特征均匀分布 的平均比例为91. 51%，相对差值较小，可以忽略。因此，将Max、Mean和Std三个特征的分 布简化为连续均匀分布，其概率密度函数为：
[0103] 由表4数据可得种芽分类特征的类条件概率密度函数p(X] |ωJ为：
[0109] 按照台糖22号种芽区域图像特征的分析方法，将桂糖42号种芽图像的MaxMin、 Mean和Std四个特征分布简化为均勾分布，粵糖60号种芽图像的Max、Mean、Std和Median 四个特征分布情况简化为均匀分布。
[0110] 6.种芽完好性分类规则的制定
[0111]联立式（3)、式（4)、式（8)，有：
[0112]
[0113]台糖22号、桂糖42号和粵糖60号种芽图像能够简化为均匀分布的特征均包含 Max、Mean和Std，而种芽完好性检测过程中并不需要检验该种芽属于哪一个品种的甘蔗， 因此，可以将Max、Mean和Std三个特征视为三个甘蔗品种共同的种芽完好性分类特征，对 分类规则进行简化，即取j= 1，3, 4。
[0114] 分类规则描述为：任意输入某个种芽图像的Max、Mean和Std三个特征 根据式⑶求得 6 个概率，分别为Ρ(Χι|ωι)、Ρ(Χι|ω2)、Ρ(χ3|ωι)、Ρ(χ3|ω2)、Ρ(χ4| Wl)和P(x4|ω2)表示，比较它们的大小，找出最大的概率，根据此最大概率所对应的种类ω，判定 该种芽图像的种类。
[0115] 上述分类规则，可用式（10)表示：
[0117]则Xeω杂
[0118] 二、种芽完好性分类试验
[0119] 1.实验过程
[0120] 从三个品种中，分别随机选取215个种芽样本，包括115个完好种芽和100个破损 种芽，破损种芽中自然破损和人为模拟破损的种芽分别占60 %和40%。
[0121] 在Matlab环境下，编写程序读入种芽区域图像，并提取有效的灰度值特征，然后 根据式（14)编写概率Ρ(Χ]|ω》的计算程序，最后按照式（15)的分类规则，编写分类判断 程序，并显示分类结果。以台糖22号破损种芽区域图像"Μ6.jpg"为例，对其进行分类判断， 具体的程序执行过程如下所示：
[0122]
[0123] 2.实验结果分析
[0124] 试验结果如表9所示，针对三个品种的种芽完好性分类试验，都获得较高的分 类准确率，分别为92. 09 %、93. 49%和93. 02%，尤其是破损种芽的分类准确率分别达到 98%、97%和96%，说明该分类规则基本可以找出破损的种芽，为剔除破损种芽提供准确信 息。
[0125] 表9 :种芽完好性分类准确率
[0126]
[0127] 3.结论
[0128] 针对目前甘蔗机械化种植过程中无法实现种芽完好性检测的现状，提出一种甘蔗 种芽完好性分类方法。该方法以Bayes决策理论中的最小错误率为准则，结合种芽区域图 像特征的分布情况，分析得到有效特征的均勾分布规律。融合均勾分布规律和Bayes分类 原理，制定了以最大后验概率Ρ(χ|ω)为判断标准的种芽完好性分类规则。
[0129] 以三个品种的各215个种芽区域图像为样本，进行分类试验，结果表明，该分类规 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。
[0130] 前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述 并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变 和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应 用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及 各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
【主权项】
1. 一种甘薦种芽完好性分类方法，其特征在于，包括W下步骤： (1) 获取甘薦图像； (2) 截取甘薦图像的种芽区域； (3) 确定种芽的有效分类特征； (4) 由训练样本确定完好与破损两类种芽的先验概率； (5) 确定种芽分类特征的类条件概率密度函数； (6) 计算种芽分类特征的后验概率； (7) 根据贝叶斯决策理论确定种芽完好性分类规则。2. 根据权利要求1所述的甘薦种芽完好性分类方法，其特征在于，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W及灰 度值标准差。3. 根据权利要求1所述的甘薦种芽完好性分类方法，其特征在于，所述步骤（4)确定先 验概率时，训练样本总数为N，其中包括Ni个完好种芽图像和N2个破损种芽图像，建立种芽 区域图像特征库。用和ω2分别表示种芽完好和破损的两种状态，则先验概率为： P(c〇i) =VN P(c〇2)=成/N。4. 根据权利要求1所述的甘薦种芽完好性分类方法，其特征在于，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W下步骤： (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[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%W上的数据视为误差值，并剔除； (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； (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； (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； (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为最终的分类特征， 并将其简化为均匀分布； (6) 最终确定的分类特征的类条件概率密度函数为：其中，度,-A,)和化,-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。5. 根据权利要求1所述的甘薦种芽完好性分类方法，其特征在于，所述贝叶斯决策理 论为： 若则样本X属于ω1类，即将X归属为后验概率最大的类别； 由贝叶斯公式和全概率公式有：则分类规则可写成：其中： 完好种芽：
【专利摘要】本发明公开了一种甘蔗种芽完好性分类方法，包括以下步骤：(1)获取甘蔗图像；(2)截取甘蔗图像的种芽区域；(3)确定种芽的有效分类特征；(4)由训练样本确定完好与破损两类种芽的先验概率；(5)确定种芽分类特征的类条件概率密度函数；(6)计算种芽分类特征的后验概率；(7)根据贝叶斯决策理论确定种芽完好性分类规则。本发明的甘蔗种芽完好性分类方法，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。
【IPC分类】G06K9/62
【公开号】CN105243391
【申请号】CN201510638533
【发明人】黄亦其, 尹凯, 黄媚章, 黄体森, 王小波, 罗昭宇
【申请人】广西大学
【公开日】2016年1月13日
【申请日】2015年9月30日