共 15 条
- [10] 基于计算机视觉的硬皮甜瓜外部品质自动化分级研究[D]. 张建华.甘肃农业大学. 2009
基于粗糙集和BP神经网络的棉花病害识别
被引：70
作者：
张建华
[1
,2
]
祁力钧
[1
,2
]
冀荣华
[3
,2
]
王虎
[1
,2
]
黄士凯
[1
,2
]
王沛
[1
,2
]
机构：
[1] 中国农业大学工学院
[2] 现代农业装备优化设计北京市重点实验室
[3] 中国农业大学信息与电气工程学院
来源：
基金：
中央高校基本科研业务费专项资金资助;
关键词：
棉花;
病害;
识别;
粗糙集;
BP神经网络;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
为了提高棉花病害的识别率,提出了一种在自然环境条件下基于粗糙集和BP神经网络的棉花病害识别方法。该方法以轮纹病、角斑病、褐斑病和盲椿象为研究对象,将病害棉花图像从RGB颜色空间转换到HSI和L*a*b*颜色空间,应用Otsu算法对H分量、a*分量和b*分量进行阈值分割,通过H+a*+b*分量与原始图像的交集提取棉花病斑区域,利用颜色矩和灰度共生矩阵分别提取病斑的颜色和纹理特征,并结合粗糙集理论和BP神经网络,实现特征向量的优选,和棉花病害的识别。通过比较试验发现,粗糙集理论能有效减少特征维数,使提取的全部特征向量16个减少到5个,使BP神经网络的训练时间缩短到原来的1/4,且棉花病害平均识别正确率达到92.72%。研究结果表明,该方法准确识别了4种棉花病害,为棉花病害的防治提供了有效的技术支持。
引用
收藏
页码：161 / 167
页数：7
相关论文