玉米叶片病斑多光谱特征提取及识别的方法.docVIP

玉米叶片病斑多光谱特征提取及识别的方法 　　摘要：为了更好地防治玉米病害，使用BP神经网络、L-M算法优化的BP神经网络和FCM聚类算法对玉米的3种叶片病斑图像进行识别研究。利用图像处理技术对采集的图像进行?A处理和阈值分割，提取3个颜色特征、9个纹理特征和7个形状特征，通过LLE算法降维获得6维的内在低维流形特征，使用3种算法对提取的特征参数进行识别。结果表明，从识别率和网络训练速度2个方面来看，L-M算法优化的BP神经网络识别率高达98.67%，且训练速度快，更适合作为玉米叶片病斑图像的识别算法。 　　关键词：玉米叶片病斑；图像处理技术；LM算法；优化；神经网络；特征；识别 　　中图分类号： TP391.4文献标志码： A 　　文章编号：1002-1302（2017）09-0184-03 　　玉米是我国的主要粮食作物之一，在众多影响玉米生产的因素中，病斑对玉米产量的影响日趋严重。玉米在我国种植范围广且种植面积大，防治玉米病害一直是困扰广大农民的一项重要工作。玉米叶片病斑的种类多样，本研究针对其中比较典型的矮花叶病、灰斑病和大斑病进行研究。随着科技的进步和人工智能技术的发展，国内外专家和学者在农作物的病斑自动识别和诊断方面做了大量的工作[1]。其中，Guyer等提取了17个形状特征对作物进行分类，建立了机器智能视觉系统[2]。Zhang等使用形状分析和颜色分析2种方法