雜草種子穩(wěn)定遺傳特征的提取及其識(shí)別研究.pdf

1、在農(nóng)業(yè)的生產(chǎn)過(guò)程中，雜草的危害觸目驚心。全世界每年都會(huì)因草害致使農(nóng)作物減產(chǎn)，造成巨大損失。因此，加強(qiáng)對(duì)雜草種子的自動(dòng)識(shí)別研究，對(duì)雜草種子的檢疫和鑒定工作都很重要。由于雜草種子種類繁多，不同生長(zhǎng)期形態(tài)變化較大，雜草種子識(shí)別是一種高維、大量的目標(biāo)識(shí)別和分類問(wèn)題。本文采用成熟期的豆科類雜草種子作為研究對(duì)象，基于生物穩(wěn)定遺傳特性提取了雜草種子的形態(tài)學(xué)特征和HU不變矩特征，通過(guò)分析特征間的關(guān)系，設(shè)計(jì)了雜草種子分類識(shí)別系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)有效

2、地提高了雜草種子的識(shí)別率。論文的主要研究?jī)?nèi)容如下：
　　(1)傳統(tǒng)方法是領(lǐng)域?qū)＜依梅糯箸R或顯微鏡進(jìn)行目視分類。勞動(dòng)強(qiáng)度大且需要目視判讀者具有豐富的專業(yè)知識(shí)。本論文利用現(xiàn)代信息處理手段進(jìn)行雜草種子的自動(dòng)識(shí)別和分類研究，提高了識(shí)別率的同時(shí)減少了人為操作的時(shí)間。
　　(2)對(duì)雜草種子圖像進(jìn)行直方圖分析、圖像分割、圖像去噪和邊緣檢測(cè)等預(yù)處理，通過(guò)比較各類算法的優(yōu)劣，提出基于形態(tài)學(xué)處理的邊緣提取方法，提取出感興趣的雜草種子輪廓信息，

3、并將其從背景中分離出來(lái)。
　　(3)針對(duì)豆科類雜草種子，基于生物穩(wěn)定遺傳特性理論，提取出種子的主要參數(shù)。這些參數(shù)主要包括9個(gè)形態(tài)學(xué)特征和7個(gè)HU不變矩特征，這16個(gè)特征具有平移、旋轉(zhuǎn)和尺度不變性。由于雜草種子種類繁多，涉及到大量類別、高維數(shù)據(jù)的分類和識(shí)別的問(wèn)題，因此需要對(duì)高維數(shù)據(jù)進(jìn)行合理的降維。本文主要采用主成分降維法分析9個(gè)特征值得到4個(gè)主成分特征；結(jié)合聚類分析的分析方法，對(duì)這些高維、大量數(shù)據(jù)集進(jìn)行合理的分類。
　　(4)

4、利用BP神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)估圖像特征組合與識(shí)別率的關(guān)系。實(shí)驗(yàn)結(jié)果表明，16個(gè)特征由于維數(shù)多，識(shí)別率高，采用PCA降維取得的識(shí)別率與16個(gè)特征值識(shí)別率相差不大，但由于神經(jīng)網(wǎng)絡(luò)易陷入局部極小值等缺點(diǎn)，采用BP神經(jīng)網(wǎng)絡(luò)識(shí)別率總體不高。故最終選取RBF核函數(shù)進(jìn)行SVM建模，識(shí)別結(jié)果表明識(shí)別率得到明顯提高。針對(duì)雜草種子大規(guī)模的訓(xùn)練集，SVM的尋優(yōu)速度和分類速度及參數(shù)的選擇均不太如人意，采用支持向量回歸機(jī)的方式來(lái)訓(xùn)練樣本，SVR的回歸模型的性能明顯優(yōu)于前