《基于补偿模糊神经网络的脐橙不同病虫害图像识别 Image recognition of navel orange diseases and insect pests based on compensatory fuzzy neural networks》.pdfVIP

第28卷 第11期 农业工程学报 、，01．28No．Jl 152 2012年 oftheChinese of Jun．2012 6月Transactions AgriculturalEngineering Society 基于补偿模糊神经网络的脐橙不同病虫害图像识别 温芝元1，曹乐平2※ (I．湖南农业大学理学院，长沙410128：2．湖南生物机电职业技术学院教务处，长沙410127) 摘要：为了开发脐橙不同病虫害的通用机器识别技术，对病虫害危害后的脐橙图像进行蓝色分量去背景，改进型分水 岭算法提取病虫害为害状边界，据此边界对原彩色图像中的为害状进行标记，以标记区红色、绿色、蓝色分章表征病虫 害为害状的颜色特征，为害状边界分形维数表征病虫害为害状的形状特征，将这4个特征值作为补偿模糊神绛网络输入， 建市补偿模糊神经嘲络脐橙病虫害识别模型，识别脐橙病虫害。4种病虫害及机械损伤果的平均JF确识别率为85．51％， 该方法可用}二脐橙病虫害识别。 关键词：图像识别，模糊神经网络，水果，病虫害，机器视觉，脐橙 doi：10．3969／j．issn．1002—6819．2012．11．025 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2012)一11—0152-06 navel diseasesinsect basedon Wen of and neural Zhiyuan，CaoLeping．Imagerecognitionorange pests compensatoryfuzzy oftheChinese ofthe Society Engineering(TransactionsCSAE)，2012，28(11)：152一 networks[J]．Transactions ofA鲥cultural l with Chinese 57．(in Englishabstract) 病害进行识别分类，正确率介于70％～92％之间。谭峰 0引言 等【l5】运用区域标记法计算病斑的特征参数，建立多层前 不同的虫害，其为害状不尽相同，根据这种对应关 馈神经网络，识别大豆叶片中病斑，识别率92．1％。田有 系，可完成虫害的间接诊断。WuDake等…采集黄瓜虫斑 文等116】利用高光谱图像技／R获取温室黄瓜霜霉病、白粉 叶片图像，建立基于分形维数的支持向量机黄瓜斑潜蝇 病病叶的高光谱图像数据，提取其色度矩纹理特征，借 sativaeb肠nchard)识别模型，识别正确率6I％。 (1iriomyza 助支持向量机对黄瓜病害进行诊断，正确诊断率达 黎移新[21通过图像分析对柑橘病虫害为害状进行傅里叶 100％。Li Jinghui等117】提取小麦霉病图像中五类形状参 变换，取其前4个谐波分量表达为害状形状，识别柑橘 数，通过主成份分析和判别分析识别小麦常见的3种霉 病虫害。 病，正确率超过86．7％。David s】利用计算机视 Story等【l 病害不同，病斑有所不同，借助病斑数字图像，能 觉技术检测