本研究围绕Pueraria lobata（野葛）的生物特征图像识别与品质分级技术,提出了一种结合图像处理与化学成分分析的方法,旨在提高野葛品质评估的准确性和效率。研究通过局部二值模式（LBP）与主成分分析（PCA）算法提取野葛的形态特征,结合支持向量机（SVM）与卷积神经网络（CNN）优化图像识别模型,建立了一套基于图像识别的品质分级方法。实验结果表明,该方法不仅能够快速准确地识别野葛的生物特征,还可通过化学成分分析对其品质进行分级,从而为野葛的种植、加工及质量控制提供了新型技术手段与理论支持。

Pueraria lobata；图像识别；品质分级；化学成分；机器学习

[1] 李石生,邓京振,刘欣等. 野葛藤茎的异黄酮类化学成分[J]. 天然产物研究与开发,1999. [2] 胡珂. 葛藤化学成分的研究[J]. 基层中药杂志,1996. [3] 魏世清. 葛藤（Pueraria lobata）根瘤菌耐酸性研究[D]. 西南大学,2007. [4] 胡江琴,王利琳,余象煜. 野葛地下器官的解剖学研究[J]. 西北植物学报,2000.

教育部产学协同育人项目：“Pueraria lobata生物特征图像识别与品质分级研究”（编号：2412120224）。

DOI： https://doi.org/10.62639/sspis05.20250204

Published： 2025