基于双编码遗传算法的支持向量机作物病害图像识别方法.pdfVIP

贵州农业科学 2013，41(7)：187～190 GuizhouAgriculturalSciences [文章编号]1001—3601(2013)07—0431—0187—04 基于双编码遗传算法的支持向量机作物病害图像识别方法 濮永仙 ，余翠兰 (德宏师专 计科系 ，云南 德宏 678400) [摘 要]为了实现作物病害的计算机识别，采用基于双编码遗传特征选择的支持 向量机和病害图像多 特征参数识别病害的方法，对病害图像增强处理，彩色病斑分割，特征参数提取，构建双编码遗传算法优化特 征子集，并赋予权重的一对一投票策略支持 向量机来分类识别作物病害进行研究。结果表明：在 同等条件 下，该方法与没有采用遗传算法的支持 向量机相比，特征向量减少了38 ，正确率提高了6．29 。 [关键词]支持向量机 ；病害图像 ；自动识另1；特征 向量；双编码遗传算法 [中图分类号]S126 [文献标识码]A AutomaticldentificationofCropDiseaseslmageBasedontheDualCoding GeneticAlgorithm ofSupportVectorMachine PU Yongxian。YU Cuilan (ComputerScienceDepartment，DehongTeachers’College，Dehong，Yunnan678400，China) Abstract：Inordertorealizethecomputeridentification ofcrop diseases，theauthorsputforwardsa methodbasedondualcodinggeneticfeatureselectionofsupportvectormachine(SVM )andmuti—features parametersofthediseaseimagetoidentifydisease．Theauthorsdiscussedplantdiseaseimageenhancement processing，diseasespotcolorsegmentationandfeatureparameterextraction，thenbuiltthedualcoding geneticalgorithm optimizationoffeaturesubsets，andgavetheweightofoneto onevotestrategyof supportvectormachinewithcropdiseaseclassificationrecognition．Theresultsshowedthatfeaturevector wasdecreasedby38 and theaccuracywasincreasedby 6．29 comparedwith thenon—supportvector machine(SVM )basedonthegeneticalgorithm underthesameconditions． Keywords：supportvectormachine(SVM )；diseaseimage；automaticidentification；featurevector； dualcodinggeneticalgorithm 在作物的农业生产 中，病害是影响作物产量 的 进行小波边缘提取其纹理特征 ，利用支持向量机对 重要因素。农作物病害的发生，不但降低 了作物 的 粮虫图像进行分类识别，也取得了较好 的识别效果 。 使用价值 ，更严重的会导致作物大面积减产乃至绝 笔者提出了一种基于双编码遗传特征选择的支持 向 收。因此 ，农作物生长过程 中病害的防治成为一个 量机和作物病害图像多特征参数识别病害的方法。 关键问题。近年来 ，随着计算机图像处理技术和模 对作物病害图像增强处理 ，运用基于 HIS颜色空间 式识别理论 的发