随着计算机技术和信息技术的发展,应用计算机视觉自动检测种子资源品种质量是实现农产品自动化检测和智能化检测的必然趋势。计算机自动识别的准确率取决于特征参数和识别模型。本文在国内外研究的基础上,选取郑单958、辽单565、京科25等八个玉米品种作为研究对象,对玉米种子品种的图像识别技术进行了研究。首先,对玉米种子图像进行预处理。利用中值滤波法去除噪声,利用灰度阈值分割法进行背景分割,利用边界跟踪与提取的方法提取单个玉米种子的图像,结果表明这些算法能很好的得到玉米种子的边界图像,为后续玉米种子特征参数的提取奠定了基础。其次,分别提取了玉米种子的整体和局部特征。分析玉米种子整体的外在特征,选择提取了玉米种子的颜色参数和形态参数。颜色参数在RGB颜色空间和HIS颜色空间中提取,形态参数包括大小参数和几何参数。利用独立分量分析算法分割玉米种子的胚乳部分和冠顶部分,提取了胚乳部分和冠顶部分的颜色特征以及面积特征。然后,进行了特征参数的优化提取。用遗传算法对玉米种子的原始特征进行优化选择,用主成分分析方法对选择后的特征参数进行降维处理。最后,再用遗传算法和神经网络对提取的玉米种子的特征参数进行识别。选取适应度函数,通过遗传算法确定神经网络的初始权值,利用神经网络构建玉米品种分类器,提高了玉米品种识别的准确率。基于Visual C++ 2008开发环境,结合MATLAB7.0图像处理功能,设计并实现了玉米品种图像识别系统,本系统能够完成玉米种子图像的去噪、背景分割、单个玉米种子的提取、玉米种子特征参数的提取,进行玉米品种的智能识别。