杜晓晨 张 幸 陆国权

（浙江农林大学信息工程学院1，临安 311300）

（浙江农林大学薯类作物研究所2，临安 311300）

（浙江农林大学生物种业研究中心3，临安 311300）

（浙江省农产品品质改良技术研究重点实验室4，临安 311300）

甘薯是一种重要的农作物，遍布我国各地。由于甘薯的品种繁多，不同品种的甘薯经济价值不同，存在鱼龙混杂现象，因此对甘薯加工、生产机构来说，如何智能、便捷、有效地对薯块进行薯种识别具有重要的应用价值。目前国内对薯块种类的识别主要还是依靠人工和化学的方式进行［1-2］。人工方式是通过观察薯块的外形、颜色等信息来进行判断。这种方式比较便捷，但需要专业知识，实际操作中工人未必具有相应的经验，另外这种方式具有人为因素，判断结果的准确性不能保证。化学方式是对薯块中的淀粉含量进行化学分析，并将结果用于相应薯种的化学特性进行比对［3］。这种方法的准确性有保证，但不够简便，且成本过高。

利用图像处理技术对农作物、农产品进行识别能兼顾准确性和便捷性，目前已经在很多农作物上得到了应用，如玉米、花生等［4］。对甘薯进行相关的研究较少，主要集中在质量分级和疫病检测。如：Tao等［5］进行了基于傅里叶描述子的甘薯形状检测，能将薯块分为非常好、良好、一般、差4种类型，与人工分级一致率达89%；孔彦龙等［6］通过马铃薯俯视图像的面积和侧视图像的周长为特征，实现了马铃薯质量与形状检测分级；郝敏等［7］使用Zernike矩方法对甘薯图像进行了提取特征，能对薯块形状进行分类，检测出薯形良好和正常的薯块；……