论文部分内容阅读
对农作物品种正确分类是作物分类学的重要内容,为考察X-ray成像技术对小麦品种分类研究的有效性,基于软X-ray成像仪采集的3品种(Kama,Rosa and Canadian)每个品种70个籽粒,共210个籽粒样本的X-ray扫描图像,并针对其7个形态几何特征(面积、周长、紧致度、籽粒长度、宽度、偏斜度、种子腹沟长度),提出了一种使用Kernel-ICA的方法先对特征进行优化,再进行小麦品种的聚类与识别的方法,并与K-means、C-means 2种聚类方法以及基于工神经网络(ANN)和支持向量机(SVM)2种识别方法的分类结果进行比较,结果发现:分类正确率从高到低分别为:Kernel-ICA、SVM、C-means、K-means、BP-ANN,分类正确率分别为:91.9%、90.5%、89.5%、87.1%、86.9%。研究提出的Kernel-ICA的方法,聚类优化和识别能力较强,对软X-ray成像的小麦品种进行分类,已基本上满足农艺上对小麦品种分类需要,对农作物种质资源鉴别和作物品种分类研究具有积极意义。