基于多特征融合的田间杂草分类识别.PDF

２０１４年 ３月 农 业 机 械 学 报 第 ４５卷 第 ３期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１４．０３．０４５ 基于多特征融合的田间杂草分类识别 赵　鹏　韦兴竹 （东北林业大学信息与计算机工程学院，哈尔滨 １５００４０） 摘要：提出了一种基于模糊 ＢＰ综合神经网络的田间杂草分类识别方法。对分类特征进行模糊化处理，充分考虑 了杂草的分类特征本身存在的不确定性。使用遗传算法对网络结构进行优化处理，提高了该综合神经网络的收敛 性和稳定性。并基于特征级数据融合方法进行杂草识别。对田间７种杂草进行识别的实验结果表明，７种杂草的 混合识别率达到９４２％；另外，对玉米及其伴生杂草进行分类测试，混合识别率达到９６７％，具有较好的识别精度。 关键词：杂草识别　机器视觉　数据融合　ＢＰ神经网络　光谱分析 中图分类号：Ｏ６５７３；Ｓ４５１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１４）０３０２７５０７ ［１，１６－２０］ 者考虑到这类叶片形状特征的不确定性 。 　　引言 本文提出应用模糊理论将杂草的分类特征模糊 在利用形状特征进行杂草识别中，主要是考虑 化处理，以基于 ＢＰ神经网络的特征级数据融合方 不同植物叶片形状特征差异信息［１－４］。 法进行杂草识别。 在利用纹理特征进行杂草识别中，主要是考虑 １　杂草分类特征提取 农作物与杂草的叶片具有不 同的纹理分布特 征［５－６］。虽然杂草纹理特征识别具有较高正确识别 １１　颜色特征 率，但由于纹理特征提取涉及矩阵计算，其运算速度 使用图像阈值分割法进行原始杂草图像的二值 较慢不适用于大面积的实际野外田间环境中。在利 化处理，去除背景后得到杂草目标。然后经大量测 用颜色特征进行杂草识别中，主要是考虑某些杂草 试和优化，发现４个典型的颜色特征组合分类效果 的茎呈红色，但是该方法只适用于具有红色茎的杂 较好，即ＲＧＢ空间的（Ｒ－Ｇ）／Ｇ、（Ｒ＋４Ｇ＋Ｂ）／６和 草，其正确识别率较低，应用范围具有局限性［７－８］。 ＨＳＩ空间的Ｈ、Ｓ。将这４个特征作为杂草识别颜色 子网络的输入量，分别用 Ｔ、Ｔ、Ｔ、Ｔ表示。 考虑到利用植物的形状、纹理、颜色３种特征进 １ ２ ３ ４ １２　纹理特征 行杂草识别各自的优缺点，研究者又将这 ３种特征 ［９］ 先将原始图像的ＲＧＢ空间转换到 ＨＳＩ空间，得 进行了特征级融合或者决策级融合 ，但这方法只 到Ｓ分量矩阵，为减少计算量，将其灰度级重新分为 是对３种特征的简单融合而没有对特征进行选择和 ６级。为了避免叶面的方向对于纹理特征量的影 优化的过程，致使识别精度和处理时间的矛盾比较 ［１０］ 响，采用０°、４５°、９０°、１３５°方向上相距为ｄ个像素的 突出 。 ４个共生矩阵的和定义为杂草纹