文章目录

1 材料与方法

1.1 试验材料

1.2 试验方法

    1.2.1 传统种子净度测定

    1.2.2 图像扫描及种子物理指标提取

    1.2.3 净度计算及校正

    1.2.4 多层感知器网络（Multilayer perceptron network,MLP)

    1.2.5 二元逻辑回归（Binary Logistic Regression,BLR)

1.3 统计分析

2 结果与分析

2.1 中药材种子批物料特性描述统计

2.2 相关性分析、主成分分析和不同指标建模结果比较

2.3 不同算法建模效果比较

2.4 黄芩、桔梗、黄芪、紫苏和柴胡种子净度拟合效果

3 讨论

4 结论

文章摘要: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。

文章关键词:

论文分类号:S567;TP391.41