李鸿强， 孙 红， 李民赞*

1. 河北建筑工程学院理学院， 河北 张家口 075000

2. 中国农业大学现代精细农业系统集成研究教育部重点实验室， 北京 100083

引 言

马铃薯是世界第四粮食作物。 商品马铃薯贮藏期间， 易发生干腐病和疮痂病。 在国标《马铃薯商品薯分级与检测规程》[1]中， 干腐病和疮痂病是规定检测项目， 是商品薯重要定级依据。 目前， 干腐病和疮痂病的检测通过目测完成， 仿照人的检测过程， 机器视觉技术和光谱分析技术广泛用于马铃薯病害检测[2-3]。

王鑫野[4]等基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、 BP神经网络、 决策树算法3种识别模型对不同时期马铃薯晚疫病进行识别， 基于二次主成分图像的灰度值结合BP神经网络建立的模型， 识别率达96.6%。 赵明富等[5]将主成分图像的平滑度、 三阶矩、 均值、 标准差、 一致性、 熵作为输入值， 建立了改进的贝叶斯分类器， 判别发芽、 腐烂、 表面碰伤、 机械损伤、 黑心以及合格马铃薯， 预测集的识别率为95%以上。

Liang等[6]试验表明近红外光谱是一种快速检测马铃薯斑纹病的方法， 分类准确率为96.7%。 Zhou等[7]研究了利用513～850nm可见光-近红外透射光谱技术结合偏最小二乘线性判别分析方法对黑心病马铃薯进行分类的可行性， 校准集的分类准确率可以达到96.82%， 验证集的分类准确率可以达到96.53%。 王丽艳等[8]选出7个特征波段， 建立全波段、 特征波段的SVM和BP人工神经网络模型， 紫色、 红色、 黄色马铃薯鉴别准确率达到100%。

实验证明， 机器视觉……