卢泽如，蒋舜尧，熊勤学，邱先进，周子尧，杨 权

（长江大学农学院，湖北 荆州 434025）

目前国内外对稻谷品种检测方法主要包括苯酚染色法、幼苗鉴别法和分子标记法等［1］，这些方法检测成本高、鉴定周期长、检测效果差、检测结果一致性不好。随着计算机技术和图像处理技术的迅速发展，特别是人工智能、大数据和云计算的出现为机器视觉技术对稻谷品种进行快速、高效分类识别提供了技术条件。Macalalad 等［2］运用图像识别技术提取稻谷的面积、周长、扁率等形态学差异特征值后，运用最小距离法准确从图像中识别3 种稻谷品种；黄星奕等［3］介绍了一种把图像的颜色特征和形状特征结合起来进行稻谷品种识别的新方法；熊利荣等［4］利用Bayes 判别法建立了籼稻、糯稻、粳稻3 大类的类别模型和9 个稻谷种子的品种模型，模型判别效果显著；吕一波等［5］在对955 个玉米颗粒图像研究的基础上，探讨了用自然光和白炽灯照射下获取的彩色模型来识别、分割玉米图像的可行性，提出用直径和圆形度参数来表征玉米的几何特征；宋韬等［6］以表示玉米子粒轮廓的个体特征参数作为输入信号，用神经网络方法进行玉米形态识别研究，对粒完整及粒破损的玉米子粒识别试验显示，正确率为93%。尽管相关研究对农作物品种和方法进行了探究，但面对全国5 万多个稻谷品种［7］，只有建立稻谷品种特征库，才能运用云技术和图像识别技术开展稻谷品种快速区分工作，稻谷品种形态学差异特征值的确立是建立稻谷品种特征库的前提［8］。……