基于量子行为粒子群与支持向量机的马铃薯商品薯薯型检测方法

doi:10.14088/j.cnki.issn0439-8114.2025.12.036

湖北农业科学 ›› 2025, Vol. 64 ›› Issue (12): 212-217.doi: 10.14088/j.cnki.issn0439-8114.2025.12.036

基于量子行为粒子群与支持向量机的马铃薯商品薯薯型检测方法

万鹏^1,2, 熊成新¹, 蔡杰³, 刘艳芳³, 吴晓龙¹

1.华中农业大学工学院,武汉 430070;
2.农业农村部长江中下游农业装备重点实验室,武汉 430070;
3.湖北省科技信息研究院,武汉 430071

收稿日期:2025-08-15 发布日期:2025-12-30
作者简介:万鹏（1980-）,男,湖北天门人,副教授,主要从事农产品品质智能检测研究,（电子信箱）wanpeng09@mail.hzau.edu.cn。
基金资助:
湖北省重点研发计划项目（2023BBB062）

A detection method for potato shape of commercial potatoes based on quantum-behaved particle swarm optimization and support vector machine

WAN Peng^1,2, XIONG Cheng-xin¹, CAI Jie³, LIU Yan-fang³, WU Xiao-long¹

1. College of Engineering, Huazhong Agricultural University, Wuhan 430070, China;
2. Ministry of Agriculture and Rural Affairs Key Laboratory of Agricultural Equipment in Mid-Lower Yangtze River, Wuhan 430070, China;
3. Hubei Academy of Scientific and Technical Information, Wuhan 430071, China

Received:2025-08-15 Online:2025-12-30

摘要/Abstract

摘要： 针对现有马铃薯商品薯薯型检测方法精度低、效率差,难以满足机械化与自动化分选要求的问题,基于机器视觉技术开展马铃薯薯型检测方法研究。以3种薯型（球形或类球形、椭球形和畸形）马铃薯为研究对象,首先搭建马铃薯图像采集系统采集3种薯型的图像,然后对马铃薯图像进行预处理,获取马铃薯轮廓图像;再提取马铃薯图像的10个不变矩作为特征参数,采用量子行为粒子群(QPSO)算法优化支持向量机（SVM）分类器,最终实现薯型的自动检测。结果表明,QPSO-SVM模型中球形或类球形马铃薯、椭球形马铃薯和畸形马铃薯的薯型检测准确率分别为97.0%、94.0%和91.0%,平均检测准确率达95.2%,该模型可用于马铃薯薯型的快速检测。

关键词: 量子行为粒子群, 支持向量机, 马铃薯, 商品薯, 薯型

Abstract: Aiming at the problems of low accuracy and poor efficiency of existing potato shape detection methods for commercial potatoes, which made it difficult to meet the requirements of mechanized and automated sorting, a method for potato shape detection was investigated based on machine vision technology. Three potato shapes (spherical or subspherical, ellipsoidal, and irregular) were taken as research objects. First, a potato image acquisition system was built to collect images of the three shapes. Then, the images were preprocessed to obtain potato contour images. Subsequently, ten invariant moments of the potato images were extracted as feature parameters, and thesupport vector machine classifier was optimized using the quantum-behaved particle swarm optimization algorithm, ultimately achieving automatic detection of potato shape. The results showed that the detection accuracies for spherical or subspherical, ellipsoidal, and irregular potato shapes in the QPSO-SVM model were 97.0%, 94.0%, and 91.0%, respectively, with an average detection accuracy of 95.2%. This model could be used for the rapid detection of potato shape.

Key words: quantum-behaved particle swarm optimization, support vector machine, potato, commercial potato, potato shape

中图分类号:

S532
TP391.4

万鹏, 熊成新, 蔡杰, 刘艳芳, 吴晓龙. 基于量子行为粒子群与支持向量机的马铃薯商品薯薯型检测方法[J]. 湖北农业科学, 2025, 64(12): 212-217.

WAN Peng, XIONG Cheng-xin, CAI Jie, LIU Yan-fang, WU Xiao-long. A detection method for potato shape of commercial potatoes based on quantum-behaved particle swarm optimization and support vector machine[J]. HUBEI AGRICULTURAL SCIENCES, 2025, 64(12): 212-217.

参考文献

[1] 曾凡逵,胡肖业,吕黄珍,等.中外马铃薯加工业的比较分析[J].中国马铃薯,2024,38(6):513-529.
[2] 周华迪. 马铃薯产业发展前景及高产栽培技术[J].现代农业科技,2016(16):95-96.
[3] 杨广辉,李红岭,张华,等.马铃薯品质无损检测技术的研究进展[J].粮油食品科技,2024,32(6): 161-169.
[4] 姜宏,于永波,章翔峰,等.马铃薯外部品质分级方法综述[J]. 科学技术与工程,2022,22(14):5519-5527.
[5] 刘浩,贺福强,李荣隆, 等. 基于机器视觉的马铃薯自动分级与缺陷检测系统设计[J].农机化研究,2022,44(1):73-78.
[6] 张永志,李旭英,高盛博. 辊式尼龙刷马铃薯清选分级机的设计与试验[J].农机化研究,2021,43(6):152-155,160.
[7] 邓立苗,杜宏伟,徐艳,等.基于机器视觉的马铃薯智能分选方法与实现[J].中国农机化学报,2015,36(5):145-150.
[8] BARNES M,DUCKETT T,CIELNIAK G,et al.Visual detection of blemishes in potatoes using minimalist boosted classifier[J]. Journal of food engineering,2010,98(3):339-346.
[9] GAMALE,SERGIO C,ENRIQUE M,et al.In-line sorting of irregular potatoes by using automated computer-based machine vision system[J].Journal of food engineering, 2012, 112(1-2):60-68.
[10] 周平,徐旭艳,杨兵.基于图像信息的马铃薯薯形检测方法研究[J].安徽农业大学学报,2013,40(5):883-885.
[11] 王红军,熊俊涛,黎邹邹,等.基于机器视觉图像特征参数的马铃薯质量和形状分级方法[J]. 农业工程学报,2016,32(8):272-277.
[12] 刘毅君. 基于机器视觉的马铃薯外部品质分级方法研究[D].北京:中国农业机械化科学研究院,2023.
[13] 郝敏,麻硕士,侯振杰.Zernike矩的不变性与计算实现[J].内蒙古农业大学学报(自然科学版),2009,30(2):222-225.
[14] 郝敏,麻硕士,郝小冬.基于Zernike矩的马铃薯薯形检测[J].农业工程学报,2010,26(2):347-350.
[15] 郝敏,麻硕士.基于机器视觉的马铃薯单薯质量检测技术研究[J].农机化研究,2009,31(9):61-63.
[16] 汤全武,何昊瀚,杨燕,等.马铃薯动态分级系统中多目相机同步采集方法[J].农业工程,2021,11(1):28-32
[17] 向静,何志良,汤林越,等.结合计算机视觉的马铃薯外部品质检测技术[J].计算机工程与应用,2018,54(5):165-169
[18] 李一波,刘佰仑. 基于改进Canny算子的图像边缘检测算法[J]. 科学技术创新, 2022 (2): 93-96.
[19] LONG Y,WANG Y,ZHAI Z,et al.Potato volume measurement based on RGB-D camera[J].IFAC-Papers on line,2018,51(17):515-20
[20] 周军,蔡建,郭俊先,等.基于机器视觉的核桃仁特征提取与分级方法研究[J].江苏农业科学,2018,46(11):175-179.
[21] WU Z,JIANG S,ZHOU X,et al.Application of image retrieval based on convolutional neural networks and Hu invariant moment algorithm in computer telecommunications[J].Computer communications,2020,150: 729-738.
[22] 黄朝兴. 基于机器人主动视觉的工件识别定位与抓取研究[D]. 福州: 福州大学,2016.
[23] 因晓倩. 基于支持向量机的交通标志识别[D].西安:长安大学,2019.
[24] 丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综[J].电子科技大学学报,2011,40(1):2-10
[25] HEINEMANN P H, PATHARE N P, MORROW C T.An automated inspection station for machine-vision grading of potatoes[J]. Machine vision and applications, 1996, 9: 14-19.
[26] 邵信光,杨慧中,陈刚.基于粒子群优化算法的支持向量机参数选择及其应用[J].控制理论与应用,2006(5):740-743,748.
[27] MARINO S, BEAUSEROY P, SMOLARZ A.Weakly-supervised learning approach for potato defects segmentation[J]. Engineering applications of artificial intelligence, 2019, 85: 337-346.

基于量子行为粒子群与支持向量机的马铃薯商品薯薯型检测方法

A detection method for potato shape of commercial potatoes based on quantum-behaved particle swarm optimization and support vector machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	徐宁, 刘冬雪, 张洪亮, 许亚坤, 王维峰, 张荣华. 不同品种马铃薯淀粉含量随块茎直径的变化规律[J]. 湖北农业科学, 2025, 64(8): 48-53.
[2]	王雯, 吴腾帅, 刘梦圆, 白海庆, 刘柏林. 氮、钾肥减量对沙地马铃薯农田土壤理化性质及产量的影响[J]. 湖北农业科学, 2025, 64(4): 64-69.
[3]	周彦君, 林川尧, 吴建, 刘小谭. 马铃薯杀秧收获一体机的研制与田间试验[J]. 湖北农业科学, 2025, 64(3): 156-161.
[4]	叶和军, 叶重泽, 俞静, 赵瑞英, 郭志平. 马铃薯Rieske FeS基因克隆及其在干旱胁迫下的表达分析[J]. 湖北农业科学, 2025, 64(3): 176-181.
[5]	张翠翠, 王燕平, 易春燕, 陈冠陶, 陈庆东, 汪扬媚, 王谢, 罗永霞. 种植密度和施肥方式对马铃薯产量形成及经济效益的耦合效应[J]. 湖北农业科学, 2025, 64(12): 33-37.
[6]	郭晓晴, 谢和兵, 杨林, 尼玛次仁, 白玛旦增. 西藏马铃薯淀粉的形态及组成研究[J]. 湖北农业科学, 2024, 63(7): 154-157.
[7]	童丹, 原霁虹, 孙永军. 紫色马铃薯糕加工工艺参数优化[J]. 湖北农业科学, 2024, 63(5): 147-150.
[8]	李敏, 覃泽林, 兰宗宝, 方辉, 余圣新, 莫小香, 谢国雪, 曾志康. 基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型[J]. 湖北农业科学, 2023, 62(8): 207-212.
[9]	朱杰, 温海霞, 方治国, 宿秀丽, 张杰, 吴峰, 李晓敏, 王文建. 不同马铃薯品种产量及营养品质分析与评价[J]. 湖北农业科学, 2023, 62(12): 33-37，68.
[10]	高志鹏, 杜玉萧, 冯霞, 余土元, 李亚男, 陈大清. 鄂马铃薯3号遗传转化体系的构建与表达[J]. 湖北农业科学, 2022, 61(9): 162-167.
[11]	李超, 刘道德, 谢云. 主粮化背景下马铃薯产业链延伸问题研究——以恩施州为例[J]. 湖北农业科学, 2022, 61(7): 177-180.
[12]	汪荃, 陈军军. 基于Sentinel-2时序影像的水稻种植信息提取[J]. 湖北农业科学, 2022, 61(16): 175-181.
[13]	高红霞, 张晓磊, 祁蕾, 陈素华. 内蒙古中部马铃薯霜冻灾害风险区划[J]. 湖北农业科学, 2022, 61(15): 75-79.
[14]	贺付伟. 气候变化对中国不同区域马铃薯产量差的影响[J]. 湖北农业科学, 2022, 61(10): 28-32.
[15]	赵维忠, 马力文, 徐青, 张学艺. 影响宁夏贫困山区马铃薯商品薯率的气象因子分析[J]. 湖北农业科学, 2022, 61(1): 42-45.