倪建功，杨昊岩，李 娟，韩仲志*

(1.青岛农业大学理学与信息科学学院，山东 青岛 266109； 2.青岛农业大学动漫与传媒学院，山东 青岛 266109； 3.青岛农业大学机电工程学院，山东 青岛 266109)

我国是世界花生总产第一大国，种植面积达500多万hm2，约占世界总产量的40%。花生中含有丰富的脂肪、蛋白质等营养物质，其中含油量约为42%～60%。我国所产的花生中有55%用于制油，出油率是衡量花生品质的一个重要指标。不同品种花生脂肪含量的差异导致其含油率大不相同[1]，在制油过程中需要根据不同品种的含油率来选择不同的制油方式。对于高含油率品种的花生大多采用压榨法来制油，对于含油率低的品种则需要采用溶剂浸出法进行制油。在当前我国油料短缺形势严峻、食用油比较依赖进口的情况下，花生品种检测就显得尤为重要。目前，我国对花生品种的检测大多依赖人工检测，这种方式存在工作量大，检测人员易疲劳，主观经验限制等缺陷。因此，迫切需要一种快速、无损的花生品种智能分类方法，以提高花生制油产量。

目前国内外研究者对花生品种的识别进行了一系列研究。张思雨[2]等人采用机器视觉与自适应卷积神经网络检测三类花生仁的品质，识别准确率99.7%。韩仲志[3]等人通过提取形态、颜色和纹理等3大类特征，对12个花生籽粒品种进行识别，识别准确率83.3%。郑田甜[4]等人利用主成分分析对3种花生种子的高光谱数据进行聚类分析，平均正确识别率为95%。韩仲志[5]等人基于图像处理技术对花生荚果品种进行识别，对20个品种的识别准确率达到90%。……