申志超 赵志衡 卢 雷 孙 磊 罗思婕 胡琦渊

(哈尔滨工业大学电气工程及自动化学院1，哈尔滨 150001) (上海安西机械制造有限公司2，上海 201109)

农作物筛选是将表皮颜色异常、存在某种缺陷以及形状畸变等的不合格农作物剔除出来从而留下优良的农作物[1,2]。在农作物筛选难度高、工作量大或效率要求较高的情况下，人工筛选方法便显现出了劣势。因而有必要通过设计色选算法来高效、快速地完成农作物筛选工作[3-5]。国内外对于色选算法的研究已有多年[6-8]。李玉华等[9]为了提高马铃薯芽眼识别率和可靠性，提出了基于色饱和度三维几何特征的马铃薯芽眼识别方法，该方法抗干扰能力强，芽眼误识别率为4.32%。Buzon等[10]研究开发了一个自动化的、高通量的表型系统，在一个包含许多水稻变种的温室中进行了测试，结果表明该系统可以自动识别水稻的植物绿度和植物生物量。以上几种方法大大提高了对农作物的色选效率，但设计的算法均较为复杂，在色选机运算资源有限的情况下实现难度较大。

在图像分类领域，支持向量机(Support Vector Machine，SVM)得到了广泛的应用[11-14]。张成梁等[15]提出了使用遗传算法优化支持向量机参数的机采籽棉图像分割、杂质识别方法，最终测试表明该方法对杂质的有效识别率为92.6%。周竹等[16]建立了基于最小二乘支持向量机分类器的霉变板栗识别模型，克服了板栗近红外光谱变量多、共线性强等缺点，应用该模型后板栗的总体平均识别正确率提高到97.54%。……