农产品加工与安全·农业工程·农业信息技术

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
展开
  • 石河子大学 理学院,新疆 石河子 832003
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

收稿日期: 2017-06-28

  网络出版日期: 2018-02-15

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)

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。

本文引用格式

王淑芬 , 杨玲香 . 基于GA-ANN融合算法的棉田杂草特征降维及分类识别[J]. 河南农业科学, 2018 , 47(2) : 148 -154,160 . DOI: 10.15933/j.cnki.1004-3268.2018.02.028

参考文献

[1] 金小俊,陈勇,孙艳霞.农田杂草识别方法研究进展[J].农机化研究, 2011,33(7):23-27. [2] 李先锋,朱伟兴,孔令东,等.基于SVM和D-S证据理论的多特征融合的杂草识别方法[J].农业机械学报,2011,42(11):164-168. [3] 李慧,祁力钧,张建华,等.基于PCA-SVM 的棉花出苗期杂草类型识别[J].农业机械学报,2012,43(9):184-189. [4] 张新明,涂强,冯梦清.基于改进概率神经网络的玉米与杂草识别[J].山西大学学报(自然科学版), 2015, 38(3):432-438. [5] 吕朝辉,陈晓光,吴文福,等.用BP神经网络进行秧苗图像分割[J].农业工程学报,2001,17(3):146-148. [6] Woebbecke D M,Meyer G E,Von Bargen K,et al.Color indices for weed identification under various soil,residue, and lighting conditions[J].Transactions of the ASABE,1995,38(1):259-269. [7] Otsu N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems,Man,and Cybemetics,1979,9(1):62-66. [8] 李先锋.基于特征优化和多特征融合的杂草识别方法研究[D].镇江:江苏大学,2010. [9] Haralick R M,Shanmugam K,Dinstein I.Textural features for image classification[J].IEEE Transactions on Systems,Man,and Cybemetics,1973, 3(6):610-621. [10] 黄艳丽.基于整体局部颜色特征和纹理特征的图像检索算法研究[D].兰州:兰州大学,2012. [11] Stricker M A,Orengo M.Similarity of color images[C]//Proceeding of SPIE 2420-Storage and retrieval for image and video databases III. San Jose,USA:The International Society for Optical Engineering,1995:381-392. [12] Stricker M,Dimai A.Spectral covariance and fuzzy regions for image indexing[J].Machine Vision and Applications,1997,10(2):66-73. [13] 张少博,全书海,石英,等.基于颜色矩的图像检索算法研究[J].计算机工程,2014,40(6): 252-255. [14] 王小平,曹立明.遗传算法:理论、应用与软件的实现[M].西安:西安交通大学出版社, 2002. [15] 楼顺天,施阳.基于Matlab的系统分析与设计:神经网络[M].西安:西安电子科技大学出版社, 2000. [16] 蒋宗礼.人工神经网络导论[M].北京:高等教育出版社, 2001. [17] 周开利,康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社,2006. [18] 李先锋,朱伟兴,纪滨,等.基于特征优化和LS-SVM的棉田杂草识别方法[J].农业机械学报, 2010,41(11):168-172.
文章导航

/