《基于改进灰度共生矩阵和粒子群算法的稻飞虱分类 Classification of rice planthopper based on improved gray level co-occurrence matrix and particle swarm algorithm》.pdfVIP

第 30 卷 第 10 期 农 业 工 程 学 报 Vol.30 No.10 138 2014 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2014 基于改进灰度共生矩阵和粒子群算法的稻飞虱分类 1,2 1,2※ 1,2 1,2 邹修国 ，丁为民 ，陈彩蓉 ，刘德营 （1. 南京农业大学工学院，南京 210031 ；2. 江苏省现代设施农业技术与装备工程实验室，南京 210031 ） 摘 要：针对稻飞虱远程实时识别采集图像质量不高而无法使用颜色特征的问题，应用灰度共生矩阵提取的纹理 特征值对稻飞虱分类进行了研究。采用自行设计的拍摄装置采集稻飞虱图像，经过一系列预处理后得到去掉背景 的稻飞虱灰度图像；对灰度图像采用改进的灰度共生矩阵提取纹理特征值，再用反向传播BP （back propagation ） 神经网络和参数改进粒子群算法优化 BP 神经网络分别进行训练和测试，以此检验纹理特征值的识别效果和粒子 群算法的优化效果。试验用 Matlab 验证算法，对白背飞虱、灰飞虱和褐飞虱共 300 个样本进行了训练和测试，结 果表明基于参数选择改进粒子群算法优化 BP 神经网络的识别率总体达到了 95%，比直接用BP 神经网络的识别率 高，而且经过 Matlab 测试，训练时间只用了 0.5683s，说明粒子群算法更满足实时性要求。 关键词：神经网络；图像识别；分类；粒子群；稻飞虱；灰度共生矩阵 doi ：10.3969/j.issn.1002-6819.2014.10.017 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2014)-10-0138-07 邹修国，丁为民，陈彩蓉，等. 基于改进灰度共生矩阵和粒子群算法的稻飞虱分类[J]. 农业工程学报，2014， 30(10)：138－144. Zou Xiuguo, Ding Weimin, Chen Cairong, et al. Classification of rice planthopper based on improved gray level co-occurrence matrix and particle swarm algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(10): 138 －144. (in Chinese with English abstract) swarm optimization，PSO ）算法和遗传算法一样同 0 引 言 属仿生优化方法，是一种全局优化算法，搜索速度 形态特征值用于稻飞虱分类识别的优势是对 较快，程序实现简洁，需要调整的参数少，因而发 图像质量要求不高，在文献[1]中已经做了研究，但 展很快，目前已经出现了多种改进粒子群算法，可 是如果稻飞虱图像中的触角和足颜色过深，则无法 以得到比较好的优化结果，并已应用于许多科学和 从躯干周围有效去除，躯干主体形状受到残留触角 工程领域[8-9] 。 和足的影响，会降低识别率。纹理对稻飞虱躯干形