基于多分類器選擇集成的農(nóng)作物葉部病害識別研究.pdf

1、近年來由于農(nóng)業(yè)信息化的迫切需要，關(guān)于農(nóng)作物病害識別的研究引起了人們的重視，對于常見的農(nóng)作物病害識別問題很多學(xué)者從多個角度、利用多種方法進行了有效識別，但想要應(yīng)用于實際生產(chǎn)中，仍然需要解決很多問題。從自然環(huán)境下采集農(nóng)作物葉部病害進行有效識別，病斑提取的準確性、特征描述的充分性、分類器的分類性能都會對識別效果產(chǎn)生很大影響。因此，本文主要針對如何提高自然場景中的病害圖像的識別效果進行了研究，主要工作如下:
　　(1)為了提高農(nóng)作物葉部病

2、害的識別效果及實用性，增強特征描述能力，提出一種新的葉片病害圖像分割及特征提取算法。首先，對自然環(huán)境中采集的病害圖片進行不同顏色空間的預(yù)處理和分割，對分割結(jié)果圖像進行融合處理;然后，對病斑區(qū)域提取模糊量化直方圖、顏色聚合度作為顏色特征，利用顏色相似性度量函數(shù)計算顏色共生矩陣，提取病斑的紋理特征;最后，通過核主成分分析對顏色和紋理特征進行融合，并去除冗余成分，利用支持向量機對病害進行分類識別。實驗對比結(jié)果表明，所提方法能充分描述葉部病斑特

3、征，有效地提高了葉部病害的識別率。
　　(2)針對單一分類器在病害分類識別上的局限性，提出一種基于多分類器選擇集成的病害分類方法。首先，為了保證基分類器的識別效果和差異性，采用Simba算法進行特征排序，有針對性的進行特征采樣構(gòu)建特征子集，訓(xùn)練出多個待選分類器;然后對核主成分分析算法和Simba算法得到的分類器進行互補性計算，選擇識別率高、互補性大的分類器參與集成;最后根據(jù)相應(yīng)權(quán)值，對多個分類器進行加權(quán)投票獲取最終結(jié)果。實驗結(jié)果表