河南农业科学 ›› 2018, Vol. 47 ›› Issue (2): 148-154,160.DOI: 10.15933/j.cnki.1004-3268.2018.02.028

• 农产品加工与安全·农业工程·农业信息技术 • 上一篇    下一篇

基于GA-ANN融合算法的棉田杂草特征降维及分类识别

王淑芬,杨玲香   

  1. 石河子大学 理学院,新疆 石河子 832003
  • 收稿日期:2017-06-28 出版日期:2018-02-15 发布日期:2018-02-15
  • 作者简介:王淑芬(1979- ),女,山东潍坊人,讲师,硕士,主要从事人工智能算法及模式识别研究。E-mail:wangw@shzu.edu.cn
  • 基金资助:
    国家自然科学基金(21267020);石河子大学应用基础青年项目(2014ZRKXYQ07)

  • Received:2017-06-28 Published:2018-02-15 Online:2018-02-15

摘要: 准确识别杂草是智能化除草技术所要解决的关键问题,为了实现棉花田间杂草的特征降维及分类识别,提出了遗传算法(GA)融合人工神经网络(ANN)的算法。试验中共采集棉花和杂草样本195个,提取棉花和杂草的形状特征、4个方向灰度共生矩阵纹理特征、HSV空间颜色特征等2 种参数。将21种特征参数按照一定顺序组成码串作为遗传个体,融合神经网络模式识别算法,以实现特征参数的有效降维。对利用降维后的优良特征参数组合、全部特征参数以及主成分分析方法(PCA)降维识别的准确率进行了对比,结果表明:利用融合算法降维得到的不同特征组合,可将特征参数维数保持在8~13维,有效降低了特征参数空间的复杂度;融合算法平均分类准确率稳定在98%左右,明显优于PCA分析法。对降维后的优良特征参数组合进行自组织特征映射网络训练(SOM),可视化拓扑结构图表明,降维后的优良特征组合对各个类别的影响呈现出独立性、可区分性的显著特点,宽长比、H三阶矩特征与棉花样本的分类准确率呈强相关性,H一阶矩、S三阶矩对苘麻、龙葵草、灰菜、田旋花样本的分类影响显著,而对棉花样本的分类准确率影响较弱。

关键词: 棉花, 杂草, 遗传算法, 人工神经网络, 自组织特征映射网络, 降维分析, 分类识别

中图分类号: