典型文献
基于机器视觉技术的小粒中药材种子净度快速检测
文献摘要：
为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其他植物种子及所含杂质的颜色、尺寸及纹理信息,通过相关性分析和主成分分析进行特征变量的筛选,采用多层感知器(MLP)和二元逻辑回归(BLR)建立上述5种中药材种子净度快速检测模型.结果表明,净种子、其他植物种子及所含杂质在物理指标方面存在显著差异,针对不同种子,采用不同指标建立的MLP净度模型的训练集和测试集准确率均在96.0％以上,该模型在不同中药材种子上的稳定性均优于BLR模型;以特征指标建立的模型稳定性优于全部指标的建模效果,运用特征变量建立的MLP模型对不同净度梯度(75.0％～100.0％)的混合样本进行预测,回归曲线的决定系数均达到0.99以上.采用机器视觉技术获取种子、其他植物种子及所含杂质颜色、尺寸和纹理等信息,以特征指标建立MLP模型可用于小粒中药材种子的净度快速检测.
文献关键词：
小粒中药材种子;净度;机器视觉;多层感知器(MLP);二元逻辑回归(BLR)
中图分类号：
作者姓名：
程莹;许亚男;侯浩楠;宁翠玲;杨成民;董学会;曹海禄;孙群
作者机构：
中国农业大学农学院/农业农村部农作物种子全程技术研究北京创新中心/北京市作物遗传改良重点实验室,北京100193;承德恒德本草农业科技有限公司,河北承德067000;中国医学科学院药用植物研究所,北京100193;恒德本草(北京)农业科技有限公司,北京100070
文献出处：
引用格式：
[1]程莹;许亚男;侯浩楠;宁翠玲;杨成民;董学会;曹海禄;孙群-.基于机器视觉技术的小粒中药材种子净度快速检测)[J].中国农业大学学报,2022(05):114-122
A类：
小粒中药材种子,PhenoSeed
B类：
机器视觉技术,种子净度,快速检测,黄芩,桔梗,黄芪,紫苏,柴胡,扫描仪,净种子,植物种子,所含,自动化分析系统,纹理信息,特征变量,多层感知器,MLP,二元逻辑回归,BLR,立上,检测模型,物理指标,同指,训练集,测试集,特征指标,模型稳定性,运用特征,混合样本,回归曲线,决定系数,技术获取
AB值：
0.222545
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
