人 參 為 五 加 科 植 物 人 參 （Panax ginsengC. A. Mey.） 的干燥根及根莖。由于生長環境不同，人參的性狀特征差異較大，形態上存在明顯的區別，故有野山參、林下山參、趴貨、園參等許多種類[1].由于野山參資源稀少，林下山參的種植漸成規模并大量進入市場，且生長年限超過15年的林下山參已經接近野山參的水平[2],成為高檔人參的主流品種，生長年限已成為衡量林下山參商品價值的主要因素之一。目前，對林下山參生長年限的識別僅靠傳統的經驗估算，即使具有一定實踐經驗的人也很難準確識別，且易出現爭議。因此，人參市場急需一種快速、客觀、準確的方法識別林下山參的生長年限。利用圖像處理技術對農作物、農產品進行數字化識別的研究較多，目前已經在很多農作物上得到了應用，如甘薯、花生等[3,4].對人參進行相關的研究未見國內、外文獻報道。本實驗采用Matlab對集安地區不同生長年限林下山參的數字化信息進行提取，構建數據庫模型，摸索不同生長年限林下山參性狀特征的變化規律，為今后進行林下山參的生長年限數字化鑒別研究奠定基礎。
1 儀器與材料
佳能6D數碼相機（ 日本佳能公司） ; 戴爾In-spiron靈越14 7000（INS14PD - 1848R） [戴爾 （ 中國） 有限公司];Matlab 2014a（ 美國Math Works公司）。
林下山參，參齡11年、13年、15年、20年各40支，產自吉林省集安市清河鎮烏拉山參場，原始播種為二馬牙類型，經沈陽藥科大學孫啟時教授鑒定為林下山參。
2 方法
2. 1圖像采集
相機與林下山參保持50cm的距離，在自然光的陰面采集圖像[5],紅色背景。
2. 2圖像處理
2. 2. 1圖像灰度化處理 采集的林下山參原始圖像屬于24位真彩圖，含有RGB 3個分量。為了減少后續處理計算量，對其進行灰度化處理。圖像灰度化是圖像增強的一種手段，可使圖像動態范圍加大，使圖像對比度擴展，圖像更加清晰，特征更加明顯[6].在Matlab數字圖像處理工具箱中有自帶的函數rgb2gray可以將RGB圖像轉換成灰度圖像，其調用格式為I = rgb2gray（RGB）。
2. 2. 2灰度化圖像二值化處理 要提取圖像中的數字特征信息，需要把林下山參灰度圖片進一步進行二值化處理，Matlab數字圖像處理工具箱中自帶函數im2bw可以完成二值圖像轉化，其調用格式為BW = im2bw（I,LEVEL）?！癓EVEL”的取值范圍是0 ~ 1,其取值的大小直接影響二值圖的效果，灰度直方圖中2個波峰之間的波谷對應的橫坐標為“LEV-EL”的最佳值。以參齡20年的林下山參為例，灰度直方圖波谷對應的橫坐標為70,歸一化后的值為0. 45,所以該二值圖的“LEVEL”值為0. 45（ 圖1）。從圖1可以看出，該二值圖輪廓清晰。
2. 3特征提取
2. 3. 1形狀特征①蘆：F1: 蘆最長軸與最短軸的比值，體現蘆的粗細；F2: 蘆最長軸與園蘆長軸的比值，體現園蘆所占的比例。Fl、F2的特征綜合反映林下山參的生長年限。②體：F3: 根主體的長、寬比，體現是“順體”還是“橫體”;F4: 根主體最長軸與蘆長軸的比值。F3、F4特征綜合反映林下山參體的靈活性。③須：F5: 須的最長軸與根主體最長軸的比值。
采用最小矩形法，通過不斷旋轉來尋找圖像輪廓的最小外接矩形，在每次旋轉的圖像中，進行行掃描和列掃描。如從左至右列掃描時，當碰到第一個像素的RGB值不是（255,255,255） 時，可以確定為最左邊界點，記錄此列值； 同理得出最右邊界點，記錄列值，計算兩列值差值即為最小矩形長值，同理得出寬值。形狀特征信息見表1.
2. 3. 2紋理特征 林下山參主根上的“橫紋”、“細皮”是林下山參的特征和品質的主要信息之一。林下山參主根的紋理特征，可以體現出像素灰度的空間分布屬性，紋理特征在局部的規律性往往難以定量或者定性描述，但是具有較為明顯的宏觀規則性及方向性分布規律。本研究借用作物種子研究中常用的一些典型紋理特征[7],包括均值（F6） :m =
2. 4支持向量機識別
支持向量機（SVM） 針對“二類模式”識別效果較好[8].為增強實時性，選取基于RBF核函數的支持向量機，實現最佳性能。令U∈Rn,V∈Rn,g∈Rn,則RBF核函數定義為：K（U,V）= exp（- g U- V2）。其中：R表示向量空間，g為核函數的參數。
3 結果
不同生長年限集安林下山參形狀特征、紋理特征集F∈（F1,F2,…，F11） ,作為識別集安地區林下山參屬性集，給出不同生長年限集安地區林下山參的置信區間，對樣本進行生長年限判別。樣本為11年、13年、15年、20年生林下山參各40幅，以隨機抽取的方式各選取20幅，共80幅的圖像作為構建支持向量機的訓練樣本，其余各20幅，共80幅作為測試樣本。支持向量機的輸入為11個特征，進行林下山參生長年限判別，結果見表3.
由表3數據可知，采用支持向量機方法對林下山參生長年限進行判別，在訓練樣本和測試樣本均為20幅的情況下，其判別率均達到較為滿意的效果，林下山參生長年限的判別率平均為88. 75% .
4 討論
4. 1由于本實驗首次采用Matlab軟件對不同生長年限林下山參進行數字化信息提取研究。因此，為了驗證本實驗的可行性，只選擇了集安地區林下山參（ 種子為二馬牙類型） 的4種不同生長年限的林下山參，具有一定的局限性，只是初淺的嘗試，實驗結果是在已知林下山參生長年限情況下的判斷，不是對未知林下山參生長年限的識別。而不同產地、不同品種的林下山參其蘆長比、體態、色澤等指標與其生長的環境、土壤類型相關性較大，情況較為復雜。如何拓展本實驗在所有產地的林下山參進行生長年限的識別，還需進行深入研究。
4. 2本實驗在集安烏拉山參場采集林下山參時發現，相同年限的林下山參生長在不同樹種、郁閉度、坡向其顏色特征也有差別。因此，色澤不易作為林下山參生長年限識別的指標，可作為不同類型人參的鑒別指標。
4. 3本實驗在自然光的陰面采集圖像，采集圖像方法簡單，實驗提取的形態特征信息均為比值，不會因采集到的圖像大小而影響計算結果，可穩定表現林下山參的形態特征。
參 考 文 獻
[1]徐世義，李可欣，史德武，等。野山參、林下山參、趴貨、園參性狀及顯微特征的研究[J].中草藥，2013,44（16） :2304 - 2307.
[2]趙亞宏，孫文采。集安市清河鎮林下山參考察報告[J].人參研究，2012,（4） :45 - 47.
[3]Tsakama M,Mwangwela A M,Manani T A,et al. Physico-chemical and pasting properties of starch extracted from e-leven sweet potato varieties[J]. African Journal of Food Sci-ence and Technology,2010,1（4） :90 - 98.
[4]杜曉晨，張幸，陸國權?；趫D像處理的甘薯種類識別方法研究[J].中國糧油學報，2014,29（11） :118 - 122.
[5]羅雪寧，彭云發，代希君，等?；贛ATLAB的紅棗圖像處理研究[J].農機化研究，2015,（3） :183 - 186.
[6]張俊杰，劉治遠，楊藝，等?；贛ATLAB平臺吸蟲蟲卵圖像自動識別研究[J].中國數字醫學，2014,9（9） :105- 108.
[7]劉仲鵬，李文華?；趫D像處理和特征優選的玉米品質識別[J].江蘇農業科學，2015,43（3） :382 - 385.
[8]劉麗娟，劉仲鵬，程芳。玉米生長期葉部病害圖像識別預處理研究[J].河南農業科學，2013,42（10） :91 - 94.
