华南理工大学学报(自然科学版)

作者：鲍文霞, 邱翔, 胡根生, 等

单位：安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心，安徽 合肥 230601

关键词：水稻虫害识别,椭圆型度量,空间变化,三元组约束

基金：国家自然科学基金资助项目 (61672032); 安徽省高等学校自然科学研究重点项目 (KJ2019A0030); 农业生态大数据分析与应用技术国家地方联合工程研究中心开放课题 (AE2018009)

为了提高水稻虫害识别的准确率，文中首先采用深度语义分割 U-Net 网络去除复杂背景的影响，采用滑动窗口法提取水稻虫害图像的 HSV 颜色特征和 SILTP 纹理特征，统计同一水平滑窗中特征的最大值来构成特征向量，并利用 Relief-F 算法进行优化，获取具有高辨识性的水稻虫害图像特征。同时，引入对数据具有更好区分性的椭圆型度量，通过椭圆型度量学习寻找反映虫害图像特征空间结构信息和语义信息的非线性变换，对虫害图像特征的潜在关系进行建模，使相同类别特征之间的距离减小，不同类别特征之间的距离增大; 在椭圆型度量学习过程中，通过在三元组约束函数中增加 Fro-benius 范数正则项来避免过拟合，提高泛化能力。最后，利用椭圆型度量矩阵将水稻虫害特征变换到新的特征空间，从而提升 SVM 分类器的辨识能力。对 13 类常见水稻虫害图像的识别结果表明，文中提出的算法显著提高了小样本和复杂背景下水稻虫害图像识别的准确率，可以为精准农业中农作物病虫害的智能识别提供参考。

来源：2020年第10期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第10期