显色图像分析技术在水稻叶耳花青甙显色目测分级中的应用

显色图像分析技术在水稻叶耳花青甙显色目测分级中的应用

目的 基于颜色特征的叶耳花青甙显色分级研究.方法 以水稻倒二叶叶耳花青甙显色测试为切入点,在Emgu Cv3.0图像分析软件基础上,对完成图像分割的目标区域提取红绿蓝(red green blue,RGB)、色调饱和度亮度(hue saturation value,HSV)颜色特征,利用SPSS软件对颜色特征和测试分级数据进行相关性、回归等统计分析,建立颜色特征多元回归模型.结果 叶耳花青甙显色强度与R(红色)、G(绿色)、B(蓝色)、H(色调)、V(亮度)极显著负相关;所有颜色特征值中,G值与叶耳花青甙显色强度相关性最显著,是一元和多元回归主要自变量;G值建立的一元回归模型中,R2为0.98...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:食品安全质量检测学报 2020, Vol.11 (7), p.2050-2056
Hauptverfasser: 黄清梅, 杨晓洪, 侯瑶, 刘艳芳, 吕宏斌
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:目的 基于颜色特征的叶耳花青甙显色分级研究.方法 以水稻倒二叶叶耳花青甙显色测试为切入点,在Emgu Cv3.0图像分析软件基础上,对完成图像分割的目标区域提取红绿蓝(red green blue,RGB)、色调饱和度亮度(hue saturation value,HSV)颜色特征,利用SPSS软件对颜色特征和测试分级数据进行相关性、回归等统计分析,建立颜色特征多元回归模型.结果 叶耳花青甙显色强度与R(红色)、G(绿色)、B(蓝色)、H(色调)、V(亮度)极显著负相关;所有颜色特征值中,G值与叶耳花青甙显色强度相关性最显著,是一元和多元回归主要自变量;G值建立的一元回归模型中,R2为0.980;多元回归模型R2值为0.994.结论 回归模型的拟合效果好,用这两个模型均可完成叶耳花青甙显色强度分级.
ISSN:2095-0381