基于随机森林的玉米发育程度自动测量方法.pdf

２０１７年 １月 农 业 机 械 学 报 第 ４８卷 第 １期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１７．０１．０２２ 基于随机森林的玉米发育程度自动测量方法 １ ２ 石礼娟 　卢　军 （１．华中农业大学信息学院，武汉 ４３００７０；２．华中农业大学理学院，武汉 ４３００７０） 摘要：为提高玉米果穗发育程度检测的自动化程度与精度，提出一种基于机器视觉技术的测量方法。在随机森林 机器学习算法的基础上构造秃尖、干瘪和籽粒区域的识别模型。该模型由多个独立同分布的弱分类器构成，对输 入的训练样本进行列和行两个方向上的随机采样。比较随机森林模型和决策树模型的分类效果可知随机森林模 型有效避免了过拟合和局部收敛现象的产生，并具有良好的推广能力。为确定最优的弱分类器数目，选择弱分类 器个数为训练样本数量的１／８０、１／４０、１／２０、１／１０、１／５、１／４时分别构建随机森林分类器。研究结果表明，当随机森 林中弱分类器个数为训练样本数量的１／２０时，模型的识别率与稳定性最好。然后，以最优的随机森林模型作为分 类器构建玉米果穗不同发育程度自动检测方法。试验结果表明，各区域长度测量的准确性均在 ９５％以上，测量速 度可达３０个／ｍｉｎ以上。 关键词：玉米果穗；发育程度；随机森林；多分类器 中图分类号：ＴＰ３９１４；Ｑ９４５４ 文献标识码：Ａ 文章编号：１０００１２９８（２０１７）０１０１６９０６ ＡｕｔｏｍａｔｉｃＭｅａｓｕｒｅｍｅｎｔＭｅｔｈｏｄｆｏｒＭａｉｚｅＥａｒＤｅｖｅｌｏｐｍｅｎｔＤｅｇｒｅｅ ＢａｓｅｄｏｎＲａｎｄｏｍＦｏｒｅｓｔ １ ２ ＳＨＩＬｉｊｕａｎ　ＬＵＪｕｎ （１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｃｓ，ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７０，Ｃｈｉｎａ ２．ＣｏｌｌｅｇｅｏｆＢａｓｉｃＳｃｉｅｎｃｅｓ，ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｐｒｏｃｅｓｓｏｆｍａｉｚｅｂｒｅｅｄｉｎｇ，ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｄｅｇｒｅｅｏｆｍａｉｚｅｅａｒｉｓｏｎｅｏｆｔｈｅｍｏｓｔ ｉｍｐｏｒｔａｎｔｐａｒａｍｅｔｅｒｓｆｏｒｙｉｅｌｄｒｅｌａｔｅｄｔｒａｉｔｓ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｅｇｒｅｅｏｆａｕｔｏｍａｔｉｏｎａｎｄａｃｃｕｒａｃｙｏｆ ｍａｉｚｅｅａｒｄｅｖｅｌｏｐｍｅｎｔｄｅｇｒｅｅｄｅｔｅｃｔｉｏｎ，ａｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ．Ａｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｏｄｅｌｗａｓｃｏｎｓｔｒｕｃｔｅｄｏｎｔｈｅｂａｓｉｓｏｆｒａｎｄｏｍｆｏｒｅｓｔｐｒｉｎｃｉｐａｌａｔｆｉｒｓｔ．Ｔｈｅ ｍｏｄｅｌｗａｓｃｏｍｐｏｓｅｄｏｆａｇｒｏｕｐｏｆｗｅａｋｃｌａｓｓｉｆｉｅｒｓｗｈｉｃｈｗｅｒｅｉｎｄｅｐｅｎｄｅｎｔａｎｄｉｄｅｎｔｉｃａｌｌｙｄｉｓｔｒｉｂｕｔｅｄ． Ｔｈｅｗｅａｋｃｌａｓｓｉｆｉｅｒｓｓｅｌｅｃｔｅｄｓａｍｐｌｅｓｆｒｏｍｔｈｅｉｎｐｕｔｔｒａｉｎｉｎｇｓａｍｐｌｅｓｒａｎｄｏｍｌｙａｌｏｎｇｃｏｌｕｍｎｓａｎｄｒｏｗｓ． Ｔｈｅｅｘｐｅｒｉｍｅｎｔｗｈｉｃｈｃｏｍｐａｒｅｄｒａｎｄｏｍｆｏｒｅｓｔｍｏｄｅｌｗｉｔｈｄｅｃｉｓｉｏｎｔｒｅｅｍｏｄｅｌｏｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔ ｓｈｏｗｅｄｔｈａｔｒａｎｄｏｍｆｏｒｅｓｔｃｌａｓｓｉｆｉｅｒｃｏｕｌｄｎｏｔｏｎｌｙａｖｏｉｄｏｖｅｒｆｉｔｔｉｎｇａｎｄｌｏｃａｌｃｏｎｖｅｒｇｅｎｃｅｅｆｆｅｃｔｉｖｅｌｙｂｕ