基于纹理特征与改进SVM算法的玉米田间杂草识别.pdfVIP

第 53卷第 13期 湖 北农 业 科学 Vo1．53No．13 2014年 7月 HubeiAgricultural Sciences Ju1．，2014 基于纹理特征与改进SVM算法的玉米田问杂草识别 王宏艳 ．吕继兴 (1．河北金融学院基础部，河北 保定 071051；2．河北农业大学信息科学与技术学院，河北 保定 071001) 摘要 ：以玉米田间杂草 图像为研究对象，对采集的杂草叶片 图像进行预处理，对 图像 的多个纹理特征进 行筛选 ．以支持 向量机进行分类。针对传统分类器的不足，以组合核函数对其性能进行优化。仿真结果表 明．构建优化的组合核函数能使分类器性能得到显著提升 ，且当组合核函数 中径向基函数所 占的权重为 0．2、多项式核函数(二阶)所 占的权重为 O．8时识别率最高，达 86．00％，可 以满足杂草识别的需求。 关键词 ：玉米 ；杂草识别 ；纹理特征 ：组合核 函数 中图分类号 ：TP391．41 文献标识码 ：A 文章编号 ：0439—8114(2014)13—3163—04 IdentifyingCorn W eedBased on TextureFeaturesand Optimized SVM WANG Hong—yan1,Lt)Ji—xing~ (1．DepartmentofBasicSciences，HebeiFinanceUniversity，Baoding071051，Hebei，China； 2．CollegeofInformationScience＆ Technology，AgriculturalUniversityofHebei，Baoding071001，Hebei，China) Abstract：Image preprocessing ofcorn field weed bladewasused toextracttexturecharacteristic．Thesuppo~ vectormachine (SVM)wasusedforclassification．Consideringtheshortcomingsofthetraditionalclassifier，theparameterswereoptimizedvia the composite kerne1．The results of simulation showed thatthe new method improved the weed identification．The highest recognition rateoftestsampleswas86％ whentheweightofradialbasisfunctionwas0．8andpolynomialkernelfunctionwas0．2． Key words：COrn ；weed identification；texture feature；combination kernelfunction 玉米苗期的田间杂草有 100余种 ．隶属于 3O 点以及颜色分布特征上 的规律 ．因而也可以在玉米 科，常见的包括刺儿菜、藜、马塘、田旋花等 。其中有 杂草图像识别 中取得较好效果[m]。为此 ，以玉米作 20％左右直接影响玉米的产量与质量 在过去很长 物杂草 图像为研究对象．对采集的杂草叶片图像进 的一段时期 ，我 国的除草方式多为人工除草 ．耗费 行预处理．筛选杂草叶片的纹理特征 ．以支持 向量 了大量劳动力 近年来引人 了除草剂进行除草 ．大 机进行分类 ．为 了实现更好 的分类效果 ．以组合核 规模 的除草剂对环境带来 比较严重的污染 ．且有些 函数对传统分类器性能进行优化 仿真结果证明对 破坏是难以逆转的 随着 图像处理和人工智能等技