為了提高棉花病害的識別率,提出了一種在自然環(huán)境條件下基于粗糙集和BP神經(jīng)網(wǎng)絡的棉花病害識別方法。該方法以輪紋病、角斑病、褐斑病和盲椿象為研究對象,將病害棉花圖像從RGB顏色空間轉(zhuǎn)換到HSI和L*a*b*顏色空間,應用Otsu算法對H分量、a*分量和b*分量進行閾值分割,通過H+a*+b*分量與原始圖像的交集提取棉花病斑區(qū)域,利用顏色矩和灰度共生矩陣分別提取病斑的顏色和紋理特征,并結合粗糙集理論和BP神經(jīng)網(wǎng)絡,實現(xiàn)特征向量的優(yōu)選,和棉花病害的識別。通過比較試驗發(fā)現(xiàn),粗糙集理論能有效減少特征維數(shù),使提取的全部特征向量16個減少到5個,使BP神經(jīng)網(wǎng)絡的訓練時間縮短到原來的1/4,且棉花病害平均識別正確率達到92.72%。研究結果表明,該方法準確識別了4種棉花病害,為棉花病害的防治提供了有效的技術支持。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 試驗材料
    1.2 試驗方法
        1.2.1 圖像預處理
            1) 顏色空間轉(zhuǎn)換
            2) 圖像濾波
            3) 圖像分割
            4) 病斑提取
        1.2.2 顏色矩
        1.2.3 灰度共生矩陣
        1.2.4 粗糙集理論
        1.2.5 粗糙集和BP神經(jīng)網(wǎng)絡棉花病害識別模型
2 試驗結果與分析
    2.1 特征提取與優(yōu)選
    2.2 棉花病害識別
3 結論



本文編號：3763450