金晨阳等

摘要：该文基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类，并在此基础上基于VS构建番薯识别系统，并对图片的灰色处理、雕刻处理等进行相应的实现，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，为番薯数字识别领域的研发提供一定的实践意义。

关键词：番薯分类；番薯识别系统；OTSU图像分割算法；系统开发

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）11-2608-04

图像识别技术是近几年来一种新兴的科学技术，现阶段高级计算机技术已能实现对三维物体的辨识和处理，它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。

目前番薯的种类较多，诸如紫番薯、白番薯、红番薯等等，为此，在熟悉这些业务的基础上，构建其信息模型，主要包括：构建番薯色素数字信息模型：将已有的番薯图片资料（包括薯皮、薯肉、茎、叶等）通过采样量化压缩编码后得到数字图像，将各个种类的番薯色素的特性进行分类，用于以后的数字图像比较；构建薯肉条纹形状数字信息模型：按照上述方法将已有的薯肉切片图资料进行数字化，根据其条纹种类不同将其进行分类。基于VS构建番薯图像识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

目前，图像识别技术应用于各行各业中，但是在番薯识别方面，却处于初步研究阶段，番薯的生长发育等都已经涉及到了识别技术，在番薯分类中目前最常用的是基于多实例学习的图像识别技术，这项技术能够识别不同光照、存在干扰物的环境背景下，以任意方式摆放的多类别混合果蔬图像，且对于单类别果蔬图像的识别优于全局。但这种技术仅是对果蔬图像进行识别，还没有形成一个完整的系统，尤其是通过识别系统识别其种类、归集其相应数据。为此，基于VS，以某番薯为例，研究并开发一个辨识系统，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

1 基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类

番薯是世界上栽培的重要粮食作物，番薯的种植在我国具有悠久的历史，并形成了良好的种植习惯。目前番薯的种类繁多，紫薯、白薯、红薯等一系列，可遗憾的是至目前为止，番薯识别系统还没有统一的归类。

根据已有的甘薯特征，并对相应的特征进行二值化等方面处理，选取了OTSU算法做为图像的分割算法。因为OTSU算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。根据OTSU算法，记t为前景与背景的分割阈值，前景点数占图像比例为W0，内积平均值为U0；背景点数占图像比例为W1， 内积平均值为U1。图像的内积平均值为：u=W0*U0 + W1*U1。从最小灰度值到最大灰度值便利t，当t使得值g=W0*（U0-u）2+W1*（U1-u）2最大时t即为分割的最佳阈值。

同时采用DSP（Digital Signal Process的缩写，也就是数字信号处理）技术，对于薯类图像识别的系统中加入数字信号处理，先是对薯类进行预处理，把图像中的各种特征符号利用DSP转变为各种数字，然后系统对于转变的数字组合进行分类，然后把分类后的数字组合与分类总库里的数据进行对比，再找出相应的数据组合，分辨出薯类的种类。

2 基于VS的番薯识别系统开发

2.1 开发思路

利用OTSU算法和DSP算法将目前已知的甘薯图片进行分类，并找出各个类别中甘薯的特征，将目前所知的图片进行处理，建立甘薯特征库，基于VS构建，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

3 总结

目前图像识别技术尚未完全成熟，有许多领域还没有完整的系统，特别在农产品尤其是番薯的识别系统软件更是少见。基于VS构建番薯识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为番薯数字识别领域的研发提供一定的实践意义。

参考文献：

[1] 陈燕东，刘景琳，孟志强.新型实时光电混合图像识别系统[J].电子测量与仪器学报，2007（3）.

[2] 蔡政，丁宣浩，陈丽霞，等.敏感图像识别算法研究[J].企业科技与发展，2012（5）.

[3] 胡正平，宋淑芬.基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法[J].自动化学报，2012（9）.

[4] 沈松，朱飞，姚琦，等.基于稀疏表示的超分辨率图像重建[J].信息技术及图像处理，2011（6）.

[5] 顾立娟，平西建，程娟，等.一种具有旋转鲁棒性的文本图像文种识别方法[J].中国图像图形学报，2010（6）.

[6] 王梁，郝燕玲，张振兴.基于多重稀疏表示的声纳图像超分辨率重建[J].系统工程与电子技术，2012（1）.

[7] 袁磊，冯涛，王毓，等.基于纹理特征的鲁棒图像水印算法[J].信息技术，2008（6）.

[8] 薛明东，郭立，张国宣，等.一种新的图像识别算法[J].计算机工程，2005（9）.

[9] 李路苹，徐景硕，陈震.基于VS的捷联惯导系统仿真器设计[J].计算机仿真，2013（6）.endprint

摘要：该文基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类，并在此基础上基于VS构建番薯识别系统，并对图片的灰色处理、雕刻处理等进行相应的实现，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，为番薯数字识别领域的研发提供一定的实践意义。

关键词：番薯分类；番薯识别系统；OTSU图像分割算法；系统开发

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）11-2608-04

图像识别技术是近几年来一种新兴的科学技术，现阶段高级计算机技术已能实现对三维物体的辨识和处理，它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。

目前番薯的种类较多，诸如紫番薯、白番薯、红番薯等等，为此，在熟悉这些业务的基础上，构建其信息模型，主要包括：构建番薯色素数字信息模型：将已有的番薯图片资料（包括薯皮、薯肉、茎、叶等）通过采样量化压缩编码后得到数字图像，将各个种类的番薯色素的特性进行分类，用于以后的数字图像比较；构建薯肉条纹形状数字信息模型：按照上述方法将已有的薯肉切片图资料进行数字化，根据其条纹种类不同将其进行分类。基于VS构建番薯图像识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

目前，图像识别技术应用于各行各业中，但是在番薯识别方面，却处于初步研究阶段，番薯的生长发育等都已经涉及到了识别技术，在番薯分类中目前最常用的是基于多实例学习的图像识别技术，这项技术能够识别不同光照、存在干扰物的环境背景下，以任意方式摆放的多类别混合果蔬图像，且对于单类别果蔬图像的识别优于全局。但这种技术仅是对果蔬图像进行识别，还没有形成一个完整的系统，尤其是通过识别系统识别其种类、归集其相应数据。为此，基于VS，以某番薯为例，研究并开发一个辨识系统，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

1 基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类

番薯是世界上栽培的重要粮食作物，番薯的种植在我国具有悠久的历史，并形成了良好的种植习惯。目前番薯的种类繁多，紫薯、白薯、红薯等一系列，可遗憾的是至目前为止，番薯识别系统还没有统一的归类。

根据已有的甘薯特征，并对相应的特征进行二值化等方面处理，选取了OTSU算法做为图像的分割算法。因为OTSU算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。根据OTSU算法，记t为前景与背景的分割阈值，前景点数占图像比例为W0，内积平均值为U0；背景点数占图像比例为W1， 内积平均值为U1。图像的内积平均值为：u=W0*U0 + W1*U1。从最小灰度值到最大灰度值便利t，当t使得值g=W0*（U0-u）2+W1*（U1-u）2最大时t即为分割的最佳阈值。

同时采用DSP（Digital Signal Process的缩写，也就是数字信号处理）技术，对于薯类图像识别的系统中加入数字信号处理，先是对薯类进行预处理，把图像中的各种特征符号利用DSP转变为各种数字，然后系统对于转变的数字组合进行分类，然后把分类后的数字组合与分类总库里的数据进行对比，再找出相应的数据组合，分辨出薯类的种类。

2 基于VS的番薯识别系统开发

2.1 开发思路

利用OTSU算法和DSP算法将目前已知的甘薯图片进行分类，并找出各个类别中甘薯的特征，将目前所知的图片进行处理，建立甘薯特征库，基于VS构建，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

3 总结

目前图像识别技术尚未完全成熟，有许多领域还没有完整的系统，特别在农产品尤其是番薯的识别系统软件更是少见。基于VS构建番薯识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为番薯数字识别领域的研发提供一定的实践意义。

参考文献：

[1] 陈燕东，刘景琳，孟志强.新型实时光电混合图像识别系统[J].电子测量与仪器学报，2007（3）.

[2] 蔡政，丁宣浩，陈丽霞，等.敏感图像识别算法研究[J].企业科技与发展，2012（5）.

[3] 胡正平，宋淑芬.基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法[J].自动化学报，2012（9）.

[4] 沈松，朱飞，姚琦，等.基于稀疏表示的超分辨率图像重建[J].信息技术及图像处理，2011（6）.

[5] 顾立娟，平西建，程娟，等.一种具有旋转鲁棒性的文本图像文种识别方法[J].中国图像图形学报，2010（6）.

[6] 王梁，郝燕玲，张振兴.基于多重稀疏表示的声纳图像超分辨率重建[J].系统工程与电子技术，2012（1）.

[7] 袁磊，冯涛，王毓，等.基于纹理特征的鲁棒图像水印算法[J].信息技术，2008（6）.

[8] 薛明东，郭立，张国宣，等.一种新的图像识别算法[J].计算机工程，2005（9）.

[9] 李路苹，徐景硕，陈震.基于VS的捷联惯导系统仿真器设计[J].计算机仿真，2013（6）.endprint

摘要：该文基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类，并在此基础上基于VS构建番薯识别系统，并对图片的灰色处理、雕刻处理等进行相应的实现，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，为番薯数字识别领域的研发提供一定的实践意义。

关键词：番薯分类；番薯识别系统；OTSU图像分割算法；系统开发

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）11-2608-04

图像识别技术是近几年来一种新兴的科学技术，现阶段高级计算机技术已能实现对三维物体的辨识和处理，它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。

目前番薯的种类较多，诸如紫番薯、白番薯、红番薯等等，为此，在熟悉这些业务的基础上，构建其信息模型，主要包括：构建番薯色素数字信息模型：将已有的番薯图片资料（包括薯皮、薯肉、茎、叶等）通过采样量化压缩编码后得到数字图像，将各个种类的番薯色素的特性进行分类，用于以后的数字图像比较；构建薯肉条纹形状数字信息模型：按照上述方法将已有的薯肉切片图资料进行数字化，根据其条纹种类不同将其进行分类。基于VS构建番薯图像识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

目前，图像识别技术应用于各行各业中，但是在番薯识别方面，却处于初步研究阶段，番薯的生长发育等都已经涉及到了识别技术，在番薯分类中目前最常用的是基于多实例学习的图像识别技术，这项技术能够识别不同光照、存在干扰物的环境背景下，以任意方式摆放的多类别混合果蔬图像，且对于单类别果蔬图像的识别优于全局。但这种技术仅是对果蔬图像进行识别，还没有形成一个完整的系统，尤其是通过识别系统识别其种类、归集其相应数据。为此，基于VS，以某番薯为例，研究并开发一个辨识系统，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

1 基于OTSU图像分割算法和DSP的图像识别算法对番薯进行分类

番薯是世界上栽培的重要粮食作物，番薯的种植在我国具有悠久的历史，并形成了良好的种植习惯。目前番薯的种类繁多，紫薯、白薯、红薯等一系列，可遗憾的是至目前为止，番薯识别系统还没有统一的归类。

根据已有的甘薯特征，并对相应的特征进行二值化等方面处理，选取了OTSU算法做为图像的分割算法。因为OTSU算法被认为是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响，因此在数字图像处理上得到了广泛的应用。根据OTSU算法，记t为前景与背景的分割阈值，前景点数占图像比例为W0，内积平均值为U0；背景点数占图像比例为W1， 内积平均值为U1。图像的内积平均值为：u=W0*U0 + W1*U1。从最小灰度值到最大灰度值便利t，当t使得值g=W0*（U0-u）2+W1*（U1-u）2最大时t即为分割的最佳阈值。

同时采用DSP（Digital Signal Process的缩写，也就是数字信号处理）技术，对于薯类图像识别的系统中加入数字信号处理，先是对薯类进行预处理，把图像中的各种特征符号利用DSP转变为各种数字，然后系统对于转变的数字组合进行分类，然后把分类后的数字组合与分类总库里的数据进行对比，再找出相应的数据组合，分辨出薯类的种类。

2 基于VS的番薯识别系统开发

2.1 开发思路

利用OTSU算法和DSP算法将目前已知的甘薯图片进行分类，并找出各个类别中甘薯的特征，将目前所知的图片进行处理，建立甘薯特征库，基于VS构建，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为快速识别番薯的种类，确保番薯生产质量等方面有一定的实用参考价值。

3 总结

目前图像识别技术尚未完全成熟，有许多领域还没有完整的系统，特别在农产品尤其是番薯的识别系统软件更是少见。基于VS构建番薯识别系统，通过该系统能将番薯的切片图通过分析，以便能快捷地实现识别该番薯的种类、特性等相关信息，有利于番薯的归类，同时能为番薯的储藏、保鲜等方面提供一定的参考价值，为番薯数字识别领域的研发提供一定的实践意义。

参考文献：

[1] 陈燕东，刘景琳，孟志强.新型实时光电混合图像识别系统[J].电子测量与仪器学报，2007（3）.

[2] 蔡政，丁宣浩，陈丽霞，等.敏感图像识别算法研究[J].企业科技与发展，2012（5）.

[3] 胡正平，宋淑芬.基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法[J].自动化学报，2012（9）.

[4] 沈松，朱飞，姚琦，等.基于稀疏表示的超分辨率图像重建[J].信息技术及图像处理，2011（6）.

[5] 顾立娟，平西建，程娟，等.一种具有旋转鲁棒性的文本图像文种识别方法[J].中国图像图形学报，2010（6）.

[6] 王梁，郝燕玲，张振兴.基于多重稀疏表示的声纳图像超分辨率重建[J].系统工程与电子技术，2012（1）.

[7] 袁磊，冯涛，王毓，等.基于纹理特征的鲁棒图像水印算法[J].信息技术，2008（6）.

[8] 薛明东，郭立，张国宣，等.一种新的图像识别算法[J].计算机工程，2005（9）.

[9] 李路苹，徐景硕，陈震.基于VS的捷联惯导系统仿真器设计[J].计算机仿真，2013（6）.endprint