基于多特征融合和LightGBM的金线莲品系识别

金线莲是中国珍稀中草药,不同品系的金线莲具有细微的形态差异和显著的药效差异.针对金线莲的单一特征贡献能力不足以及传统分类器泛化能力不佳的问题,提出使用形状、颜色和纹理特征对金线莲叶片图像进行特征提取与融合,再使用表现性能更优的LightGBM(轻量级梯度提升机)构建分类器,以提高金线莲识别正确率.LightGBM具有精确高效等优点,将提取得到的高层次特征导入LightGBM进行训练预测,可以有效提高分类准确性.对金线莲数据集中的6个品系共368幅叶片图像进行试验,结果表明,相比于传统的分类方法,基于多特征融合和LightGBM的模型识别效果最好,10次随机试验的平均识别率比传统方法KNN、SVM和GBDT高,并且在分类评价指标精确率、召回率、综合评价指标上有较优表现,该研究结果可为中药材品系识别提供参考.     

基于多特征提取和Stacking集成学习的金线莲品系分类

针对传统中药鉴定、分子鉴定、生物技术鉴定及光谱检测技术的主观性强、耗时、操作复杂等不足,以及金线莲整个叶片形态区分度小、单一分类器鉴别精度不高的问题,该研究提出了基于机器视觉的叶片子区间多特征提取方法和基于多模型融合的Stacking集成学习算法实现金线莲的品系分类。试验采集6个品系的金线莲叶片图像数据,进行图像预处理后提取叶片子区间内纹理、颜色共114个特征,基于这些特征,构建堆叠式两阶段集成学习框架,以逻辑回归、K最近邻、随机森林和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)作为基分类器,GBDT作为元分类器进行学习。试验结果表明,Stacking集成学习模型的整体识别综合评价指标F值达93.91%,分类正确率达94.49%,分别比逻辑回归、K最近邻、随机森林和GBDT这4个单一分类模型高出4.40、11.87、11.01、12.94个百分点和5.36、11.34、6.93、12.13个百分点。因此,该研究能够有效识别金线莲品系,为形状大小相似、形状特征难以利用的植物叶片识别提供参考。