人 参 为 五 加 科 植 物 人 参 （Panax ginsengC. A. Mey.） 的干燥根及根茎。由于生长环境不同，人参的性状特征差异较大，形态上存在明显的区别，故有野山参、林下山参、趴货、园参等许多种类[1].由于野山参资源稀少，林下山参的种植渐成规模并大量进入市场，且生长年限超过15年的林下山参已经接近野山参的水平[2],成为高档人参的主流品种，生长年限已成为衡量林下山参商品价值的主要因素之一。目前，对林下山参生长年限的识别仅靠传统的经验估算，即使具有一定实践经验的人也很难准确识别，且易出现争议。因此，人参市场急需一种快速、客观、准确的方法识别林下山参的生长年限。利用图像处理技术对农作物、农产品进行数字化识别的研究较多，目前已经在很多农作物上得到了应用，如甘薯、花生等[3,4].对人参进行相关的研究未见国内、外文献报道。本实验采用Matlab对集安地区不同生长年限林下山参的数字化信息进行提取，构建数据库模型，摸索不同生长年限林下山参性状特征的变化规律，为今后进行林下山参的生长年限数字化鉴别研究奠定基础。
1 仪器与材料
佳能6D数码相机（ 日本佳能公司） ; 戴尔In-spiron灵越14 7000（INS14PD - 1848R） [戴尔 （ 中国） 有限公司];Matlab 2014a（ 美国Math Works公司）。
林下山参，参龄11年、13年、15年、20年各40支，产自吉林省集安市清河镇乌拉山参场，原始播种为二马牙类型，经沈阳药科大学孙启时教授鉴定为林下山参。
2 方法
2. 1图像采集
相机与林下山参保持50cm的距离，在自然光的阴面采集图像[5],红色背景。
2. 2图像处理
2. 2. 1图像灰度化处理 采集的林下山参原始图像属于24位真彩图，含有RGB 3个分量。为了减少后续处理计算量，对其进行灰度化处理。图像灰度化是图像增强的一种手段，可使图像动态范围加大，使图像对比度扩展，图像更加清晰，特征更加明显[6].在Matlab数字图像处理工具箱中有自带的函数rgb2gray可以将RGB图像转换成灰度图像，其调用格式为I = rgb2gray（RGB）。
2. 2. 2灰度化图像二值化处理 要提取图像中的数字特征信息，需要把林下山参灰度图片进一步进行二值化处理，Matlab数字图像处理工具箱中自带函数im2bw可以完成二值图像转化，其调用格式为BW = im2bw（I,LEVEL）。“LEVEL”的取值范围是0 ~ 1,其取值的大小直接影响二值图的效果，灰度直方图中2个波峰之间的波谷对应的横坐标为“LEV-EL”的最佳值。以参龄20年的林下山参为例，灰度直方图波谷对应的横坐标为70,归一化后的值为0. 45,所以该二值图的“LEVEL”值为0. 45（ 图1）。从图1可以看出，该二值图轮廓清晰。
2. 3特征提取
2. 3. 1形状特征①芦：F1: 芦最长轴与最短轴的比值，体现芦的粗细；F2: 芦最长轴与园芦长轴的比值，体现园芦所占的比例。Fl、F2的特征综合反映林下山参的生长年限。②体：F3: 根主体的长、宽比，体现是“顺体”还是“横体”;F4: 根主体最长轴与芦长轴的比值。F3、F4特征综合反映林下山参体的灵活性。③须：F5: 须的最长轴与根主体最长轴的比值。
采用最小矩形法，通过不断旋转来寻找图像轮廓的最小外接矩形，在每次旋转的图像中，进行行扫描和列扫描。如从左至右列扫描时，当碰到第一个像素的RGB值不是（255,255,255） 时，可以确定为最左边界点，记录此列值； 同理得出最右边界点，记录列值，计算两列值差值即为最小矩形长值，同理得出宽值。形状特征信息见表1.
2. 3. 2纹理特征 林下山参主根上的“横纹”、“细皮”是林下山参的特征和品质的主要信息之一。林下山参主根的纹理特征，可以体现出像素灰度的空间分布属性，纹理特征在局部的规律性往往难以定量或者定性描述，但是具有较为明显的宏观规则性及方向性分布规律。本研究借用作物种子研究中常用的一些典型纹理特征[7],包括均值（F6） :m =
2. 4支持向量机识别
支持向量机（SVM） 针对“二类模式”识别效果较好[8].为增强实时性，选取基于RBF核函数的支持向量机，实现最佳性能。令U∈Rn,V∈Rn,g∈Rn,则RBF核函数定义为：K（U,V）= exp（- g U- V2）。其中：R表示向量空间，g为核函数的参数。
3 结果
不同生长年限集安林下山参形状特征、纹理特征集F∈（F1,F2,…，F11） ,作为识别集安地区林下山参属性集，给出不同生长年限集安地区林下山参的置信区间，对样本进行生长年限判别。样本为11年、13年、15年、20年生林下山参各40幅，以随机抽取的方式各选取20幅，共80幅的图像作为构建支持向量机的训练样本，其余各20幅，共80幅作为测试样本。支持向量机的输入为11个特征，进行林下山参生长年限判别，结果见表3.
由表3数据可知，采用支持向量机方法对林下山参生长年限进行判别，在训练样本和测试样本均为20幅的情况下，其判别率均达到较为满意的效果，林下山参生长年限的判别率平均为88. 75% .
4 讨论
4. 1由于本实验首次采用Matlab软件对不同生长年限林下山参进行数字化信息提取研究。因此，为了验证本实验的可行性，只选择了集安地区林下山参（ 种子为二马牙类型） 的4种不同生长年限的林下山参，具有一定的局限性，只是初浅的尝试，实验结果是在已知林下山参生长年限情况下的判断，不是对未知林下山参生长年限的识别。而不同产地、不同品种的林下山参其芦长比、体态、色泽等指标与其生长的环境、土壤类型相关性较大，情况较为复杂。如何拓展本实验在所有产地的林下山参进行生长年限的识别，还需进行深入研究。
4. 2本实验在集安乌拉山参场采集林下山参时发现，相同年限的林下山参生长在不同树种、郁闭度、坡向其颜色特征也有差别。因此，色泽不易作为林下山参生长年限识别的指标，可作为不同类型人参的鉴别指标。
4. 3本实验在自然光的阴面采集图像，采集图像方法简单，实验提取的形态特征信息均为比值，不会因采集到的图像大小而影响计算结果，可稳定表现林下山参的形态特征。
参 考 文 献
[1]徐世义，李可欣，史德武，等。野山参、林下山参、趴货、园参性状及显微特征的研究[J].中草药，2013,44（16） :2304 - 2307.
[2]赵亚宏，孙文采。集安市清河镇林下山参考察报告[J].人参研究，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]杜晓晨，张幸，陆国权。基于图像处理的甘薯种类识别方法研究[J].中国粮油学报，2014,29（11） :118 - 122.
[5]罗雪宁，彭云发，代希君，等。基于MATLAB的红枣图像处理研究[J].农机化研究，2015,（3） :183 - 186.
[6]张俊杰，刘治远，杨艺，等。基于MATLAB平台吸虫虫卵图像自动识别研究[J].中国数字医学，2014,9（9） :105- 108.
[7]刘仲鹏，李文华。基于图像处理和特征优选的玉米品质识别[J].江苏农业科学，2015,43（3） :382 - 385.
[8]刘丽娟，刘仲鹏，程芳。玉米生长期叶部病害图像识别预处理研究[J].河南农业科学，2013,42（10） :91 - 94.
