首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于冠层颜色特征的大豆缺素症状识别研究
引用本文:关海鸥,李佳朋,马晓丹,等.基于冠层颜色特征的大豆缺素症状识别研究[J].西北农林科技大学学报(社会科学版),2016,44(12):136-142.
作者姓名:关海鸥  李佳朋  马晓丹  
作者单位:黑龙江八一农垦大学 信息技术学院,黑龙江八一农垦大学 信息技术学院,黑龙江八一农垦大学 信息技术学院;中国农业大学 信息与电气工程学院
基金项目:黑龙江省自然科学基金项目(QC2016031);黑龙江省大学生创新创业训练计划项目(1022320169433);黑龙江省教育厅科学技术研究项目(12521375)
摘    要:【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。

关 键 词:冠层图像  颜色特征  大豆缺素症状  识别方法
收稿时间:2015/6/19 0:00:00

Recognition of soybean nutrient deficiency based on color characteristics of canopy
GUAN Haiou,LI Jiapeng and MA Xiaodan,et al.Recognition of soybean nutrient deficiency based on color characteristics of canopy[J].Journal of Northwest Sci-Tech Univ of Agr and,2016,44(12):136-142.
Authors:GUAN Haiou  LI Jiapeng and MA Xiaodan  
Abstract:
Keywords:canopy image  color characteristic  soybean nutrient deficiency  recognition method
本文献已被 CNKI 等数据库收录!
点击此处可从《西北农林科技大学学报(社会科学版)》浏览原始摘要信息
点击此处可从《西北农林科技大学学报(社会科学版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号