儲糧微生物顯微圖像處理與識別研究.pdf

1、我國是一個產糧大國,僅國家糧庫就儲藏有數(shù)千億公斤糧食。由于糧食上帶有種類繁多的微生物,加之糧食中含有許多營養(yǎng)物質是微生物良好的天然培養(yǎng)基,所以在合適的條件下,糧食中的微生物就會使糧食發(fā)霉變質,嚴重影響人類食用的安全性。因此,開發(fā)一個科學實用、準確方便的儲糧微生物識別檢測系統(tǒng)對微生物進行檢測,指導專業(yè)管理人員采取相關措施來預防霉變是非常必要的。 本文利用圖像處理、模式識別、神經網絡等技術對儲糧微生物識別系統(tǒng)進行了相關研究,特別是對

2、微生物的特征提取、特征壓縮和分類方面進行了較為深入的研究。主要工作和成果如下： 1.儲糧微生物圖像增強與分割采用滑動窗口為十字形的中值濾波法對微生物圖像進行平滑處理；采用基于迭代閾值和數(shù)學形態(tài)學的邊緣檢測算法對微生物圖像進行邊緣檢測。 2.儲糧微生物特征形成提取出儲糧微生物二值化圖像的特征包括形態(tài)學特征和紋理特征在內的共18個特征,并對所有特征進行歸一化處理。 3。儲糧微生物特征選擇在系統(tǒng)地分析遺傳算法和模擬退火

3、算法兩種組合優(yōu)化方法的基礎上,依據(jù)儲糧微生物顯微圖像的特點提出了基于模擬退火技術的遺傳算法-遺傳模擬退火算法,對遺傳模擬退火算法的特點、實現(xiàn)步驟、參數(shù)分析、具體實現(xiàn)進行了較深入的探討。運用遺傳模擬退火算法對抽取出的18個特征進行特征選擇,篩選出面積、周長、復雜度等10個較好的特征。 4.儲糧微生物特征壓縮分析了常用的特征壓縮方法,基于類內類間距離的、基于K-L變換的、基于神經網絡的和基于小波分析的特征壓縮；運用總體類內離散度矩陣

4、K-L變換的特征壓縮方法,將儲糧微生物的10維特征向量壓縮到6維,從而減少了分類器的計算量,提高了系統(tǒng)的整體性能。 5.儲糧微生物分類器的設計設計了改進的BP神經網絡分類器和模糊分類器。用神經網絡和模糊技術來實現(xiàn)儲糧害蟲的分類,并深入地研究了BP網絡分類器的設計。針對傳統(tǒng)BP算法易陷入局部極小和收斂速度慢的問題,分析了3種改進方法,使網絡的收斂速度大大加快,所設計的BP網絡分類器和模糊分類器對儲糧微生物的離線測試識別率達到了82