CAJ | 학술논문

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.
위료제고면화병해적식별솔,제출료일충재자연배경조건하기우조조집화BP신경망락적면화병해식별방법.해방법이륜문병、각반병、갈반병화맹춘상위연구대상,장병해면화도상종RGB안색공간전환도HSI화L*a*b*안색공간,응용Otsu산법대H분량、a*분량화b*분량진행역치분할,통과H+a*+b*분량여원시도상적교집제취면화병반구역,이용안색구화회도공생구진분별제취병반적안색화문리특정,병결합조조집이론화BP신경망락,실현특정향량적우선,화면화병해적식별.통과비교시험발현,조조집이론능유효감소특정유수,사제취적전부특정향량16개감소도5개,사BP신경망락적훈련시간축단도원래적1/4,차면화병해평균식별정학솔체도92.72％.연구결과표명,해방법준학식별료4충면화병해,위면화병해적방치제공료유효적기술지지.