基于粗糙集和BP神经网络的棉花病害识别

发布时间：2023-03-18 16:11

　　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。

【文章页数】：7 页

【文章目录】：
0 引言
1 材料与方法
    1.1 试验材料
    1.2 试验方法
        1.2.1 图像预处理
            1) 颜色空间转换
            2) 图像滤波
            3) 图像分割
            4) 病斑提取
        1.2.2 颜色矩
        1.2.3 灰度共生矩阵
        1.2.4 粗糙集理论
        1.2.5 粗糙集和BP神经网络棉花病害识别模型
2 试验结果与分析
    2.1 特征提取与优选
    2.2 棉花病害识别
3 结论



本文编号：3763450