Received: 22-07-2015
Accepted: 03-09-2015
DOI:
Views
Downloads
How to Cite:
Nhận dạng hạt thóc giống sử dụng kĩ thuật xử lý ảnh và thị giác máy tính
,
Tran Thi Thanh Hai
2
,
Le Thi Lan
2
,
Vo Ta Hoang
2
,
Nguyen Thi Thuy
3
Abstract
Bài báo này giới thiệu về một hệ thống tự động nhận dạng hạt thóc giống phục vụ cho quy trình sản xuất thóc giống ứng dụng kĩ thuật xử lý ảnh và thị giác máy tính. Hạt thóc của những giống lúa khác nhau khi nhìn bằng mắt thường là rất giống nhau về màu sắc, hình dáng và kết cấu bên ngoài. Điều đó làm cho việc phân biệt các loại thóc giống khác nhau với độ chính xác cao nhằm đánh giá độ thuần chủng của thóc là một thách thức lớn. Chúng tôi tập trung vào các kĩ thuật khác nhau để trích chọn đặc trưng hình ảnh của hạt thóc giống thông qua ảnh chụp các giống lúa một cách hiệu quả. Sau đó chúng tôi phân tích hiệu năng của các bộ phân loại dựa trên các đặc trưng được trích chọn ở trên để tìm ra một phương pháp phân lớp có độ chính xác cao nhất. Hình ảnh của sáu giống lúa khác nhau đã được thu nhận ở miền Bắc Việt Nam, trong đó mỗi giống có từ 1026-2229 hình ảnh hạt lúa. Những thực nghiệm của chúng tôi đã chỉ ra rằng hệ thống phân lớp đạt độ chính xác cao nhất 90.54% khi sử dụng phương pháp rừng ngẫu nhiên dựa trên bộ đặc trưng cơ bản. Kết quả này có thể sử dụng để phát triển một hệ thống thị giác máy tính hỗ trợ việc đánh giá tự động độ thuần chủng của hạt thóc giống.
References
Breiman L. (2001). "Random forests", Machine Learning, 45(1): 5 - 32.
Brosnan Tadhg and Da-Wen Sun (2002). "Inspection and grading of agricultural and food products by computer vision systems - a review", Computers and Electronics in Agriculture, 36(2-3): 193 - 213.
Du Cheng-Jin and Da-Wen Sun (2006). "Learning techniques used in computer vision for food quality evaluation: a review", Food Engineering, 72(1): 39-55.
van Dalen Gerard (2006). Characterisation of rice using flatbed scanning and image analysis, Arthur P. Riley (Ed.).
Guzman D Jose and Peralta K. Engelbert (2008). "Classification of Philippine Rice Grains Using Machine Vision and Artificial Neural Networks" in World conference on Agricultural information and IT, p. 41 - 48.
Goodman D.E. and R.M. Rao (1984). "A new, rapid, interactive image analysis method for determining physical dimensions of milled rice kernels," Journal of Food Science, 49(2): 648 - 649.
Kong W., C. Zhang, F. Liu, P Nie, and Y. He (2013). "Rice seed cultivar identification using Near-Infrared hyperspectral imaging and multivariate data analysis", Sensors, 13: 8916 - 8927.
Lai F.S., I. Zayas, and Y Pomeranz (1982). "Application of pattern recognition techniques in the analysis of cereal grains", Cereal Chemistry, 63(2): 168 - 172.
Luo X, D. S. Jayas, and S. J. Symons (1999). "Identification of damaged kernels in wheat using a color machine vision," Cereal Science, 30: 45 - 59.
Mousavirad S.J., F. A. Tab, and K. Mollazade (2012). "Design of an Expert System for Rice Kernel Identification using Optimal Morphological Features and Back Propagation Neural Network", International Journal of Applied information systems, 3: 33 - 37.
Oliva A. and A. Torralba (2001). "Modeling the shape of the scene: A holistic representation of the spatial envelope", Int. J. Comput. Vision, 42: 145 - 175.
Szeliski Richard (2010). "Computer Vision: Algorithms and Applications", Springer.
Sakai N., S. Yonekawa, A. Matsuzaki , and H. Morishima (1996). "Two-dimensional image analysis of the shape of rice and its application to separating varieties", Journal of Food Engineering, 27: 397 - 407.
Sun Da-Wen (2008). Computer Vision Technology for Food Quality Evaluation.
Vapnik V. (1995). "The Nature of Statistical Learning Theory", Springer-Verlag.
Zayas I., F. S. Lai , and L. Y. Pomeranz (1986). "Discrimination between wheat classes and varieties by image analysis," Cereal Chemistry, 63: 52 - 56.
Zayas I., Y. Pomeranz, and F. S. Lai (1989). "Discrimination of wheat and nonwheat components in grain samples by image analysis", Cereal Chemistry, 66: 233 - 237.
Zhao-yan L., C. Fang, Y. Yi-bin, and R-Xiu-qin (2005). "Identification of rice seed varieties using neural networks", Journal of Zhejiang University Science, 11: 1095 - 1100.