[1]路阳,杨化龙,陈宇,等.基于TSDPSO-SVM的水稻稻瘟病图像识别[J].江苏农业科学,2022,50(23):164-170.
　Lu Yang,et al.Image recognition of rice blast based on TSDPSO-SVM[J].Jiangsu Agricultural Sciences,2022,50(23):164-170.
点击复制

基于TSDPSO-SVM的水稻稻瘟病图像识别()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第23期
页码:
164-170
栏目:
农业工程与信息技术
出版日期:
2022-12-05

文章信息/Info

Title:
Image recognition of rice blast based on TSDPSO-SVM
作者:
路阳1; 杨化龙1; 4; 陈宇3; 杜娇娇1; 管闯2
1.黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆 163319；2.东北石油大学黑龙江省网络化与智能控制重点实验室，黑龙江大庆 163318；3.南京优玛软件科技有限公司，江苏南京 210000； 4.黑龙江省鸡西市公安局，黑龙江鸡西 158100
Author(s):
Lu Yang; et al
关键词:
稻瘟病; 图像识别; 牵引交换延迟粒子群优化算法; 支持向量机; 最大类间方差法
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
针对水稻稻瘟病诊断中存在的工作量大、效率较低且主观性强的问题，基于改进的粒子群优化支持向量机模型提出水稻稻瘟病的图像快速识别新方法。首先，采用基于超绿特征的最大类间方差法分割病害图像病斑，利用主成分分析快速得到病斑颜色和形状特征的主分量，构建水稻病害图像特征数据库。其次，提出牵引切换延迟粒子群优化算法优化支持向量机模型的识别方法。通过延迟信息的选择策略和牵引操作，使粒子跳出局部最优，更快收敛到全局最优。选取最优化算法性能测试函数Ackley函数、Rosenbrock函数和Sphere函数评估算法性能。仿真结果表明牵引切换延迟粒子群优化算法的寻优能力优于传统的粒子群优化算法且收敛速度最快。最后，分别利用牵引切换延迟粒子群，切换延迟粒子群，传统的粒子群优化支持向量机模型进行水稻稻瘟病图像识别。通过十重交叉验证，牵引切换延迟粒子群优化的支持向量机平均识别率达到96.0%，比其他3种传统优化算法提高10%以上，且召回率指标达到97.5%，训练时间仅为73.6 s。结果表明，该方法有利于提升水稻稻瘟病的识别准确率。
Abstract:
-

参考文献/References:

［1］李鹏楷，李荣波，杨向荣. 昆明市水稻稻瘟病发生情况及综合防治对策［J］. 云南农业科技，2020(6)：16-18.
［2］张鑫，邢立志. 我国水稻主要病害防治研究进展［J］. 安徽农业科学，2019，47(23)：11-13.
［3］张春红. 浅析水稻病害的防治措施［J］. 山西农经，2019(15)：109，111.
［4］冉崇银. 分析水稻病害防治中的主要问题及其对应策略［J］. 农民致富之友，2019(6)：73.
［5］王震，褚桂坤，王金星，等. 基于HOG特征的IKSVM稻瘟病孢子检测［J］. 农业机械学报，2018，49(增刊1)：387-392.
［6］谭云兰，欧阳春娟，李龙，等. 基于深度卷积神经网络的水稻病害图像识别研究［J］. 井冈山大学学报(自然科学版)，2019，40(2)：31-38.
［7］陈悦宁，郭士增，张佳岩，等. 基于优化BP神经网络的水稻病害识别算法研究［J］. 电子技术应用，2020，46(9)：85-87，93.
［8］林宇锋，邓洪敏，史兴宇.基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用［J］. 计算机科学，2017，44(增刊2)：51-54.
［9］黄双萍，孙超，齐龙，等. 基于深度卷积神经网络的水稻穗瘟病检测方法［J］. 农业工程学报，2017，33(20)：169-176.
［10］许良凤，徐小兵，胡敏，等. 基于多分类器融合的玉米叶部病害识别［J］. 农业工程学报，2015，31(14)：194-201，315.
［11］胡玉霞，张红涛. 基于模拟退火算法-支持向量机的储粮害虫识别分类［J］. 农业机械学报，2008，39(9)：108-111.
［12］刘桂红，赵亮，孙劲光，等. 一种改进粒子群优化算法的Otsu图像阈值分割方法［J］. 计算机科学，2016，43(3)：309-312.
［13］He B L. Temperature prediction of power cable joint based on LS-SVM optimized by PSO［J］. E3S Web of Conferences，2019，118：01004.
［14］王谦，张红英. 改进GA-PSO优化SVM的行人检测算法［J］. 测控技术，2019，38(10)：51-55，60.
［15］张建伟，江琦，刘轩然，等. 基于PSO-SVM算法的梯级泵站管道振动响应预测［J］. 农业工程学报，2017，33(11)：75-81.
［16］焦有权，赵礼曦，邓欧，等. 基于支持向量机优化粒子群算法的活立木材积测算［J］. 农业工程学报，2013，29(20)：160-167.
［17］贾会群，魏仲慧，何昕，等. 基于改进粒子群算法的路径规划［J］. 农业机械学报，2018，49(12)：371-377.
［18］陈啸，王红英，孔丹丹，等. 基于粒子群参数优化和BP神经网络的颗粒饲料质量预测模型［J］. 农业工程学报，2016，32(14)：306-314.
［19］王闯，张勇，李学贵，等. 改进粒子群优化算法及其在聚类分析中应用［J］. 系统仿真学报，2020，32(8)：1577-1587.
［20］Zeng N Y，Wang Z D，Zhang H，et al. A novel switching delayed PSO algorithm for estimating unknown parameters of lateral flow immunoassay［J］. Cognitive Computation，2016，8(2)：143-152.
［21］Zeng N Y，Zhang H，Liu W B，et al. A switching delayed PSO optimized extreme learning machine for short-term load forecasting［J］. Neurocomputing，2017，240：175-182.
［22］包晓安，林晓东，张娜，等. 应用色彩纹理特征的人脸防欺骗算法［J］. 计算机科学，2019，46(10)：180-185.
［23］梁习卉子，陈兵旗，李民赞，等. 基于HOG特征和SVM的棉花行数动态计数方法［J］. 农业工程学报，2020，36(15)：173-181.
［24］师韵，王旭启，张善文. 基于主分量分析的苹果叶部3种常见病害识别方法［J］. 江苏农业科学，2016，44(9)：337-340.
［25］陈林涛，马旭，曹秀龙，等. 基于主成分分析的杂交稻芽种物理特性评价研究［J］. 农业工程学报，2019，35(16)：334-342.
［26］沈广辉，曹瑶瑶，刘馨，等. 近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒［J］. 江苏农业学报，2021，37(2)：509-516.
［27］李慧，祁力钧，张建华，等. 基于PCA-SVM的棉花出苗期杂草类型识别［J］. 农业机械学报，2012，43(9)：184-189，196.

相似文献/References:

[1]张其蓉,宋发菊,田进山,等.长江中下游稻区水稻区域试验品种抗稻瘟病鉴定与评价[J].江苏农业科学,2013,41(04):92.
[2]张飞云.基于提升小波和学习向量量化神经网络的小麦病害图像识别[J].江苏农业科学,2013,41(05):103.
　Zhang Feiyun.Wheat diseases image recognition based on lifting wavelet and learning vector quantization neural network[J].Jiangsu Agricultural Sciences,2013,41(23):103.
[3]刘怀阿,许义彬,禹登凤,等.36%丙环唑·咪鲜胺悬浮剂对稻瘟病的防治效果[J].江苏农业科学,2014,42(12):160.
　Liu Huaia,et al.Control effect of propiconazole prochloraz 36%SC on rice blast[J].Jiangsu Agricultural Sciences,2014,42(23):160.
[4]唐成,陈露,安敏敏,等.稻瘟病诱导水稻幼苗叶片氧化还原系统的特征谱变化[J].江苏农业科学,2014,42(12):141.
　Tang Cheng,et al.Characteristic spectral changes of redox homeostasis system in rice seedling leaves induced by rice blast[J].Jiangsu Agricultural Sciences,2014,42(23):141.
[5]周洪刚,康敏.基于机器视觉的成熟柑橘自动识别研究[J].江苏农业科学,2013,41(06):380.
　Zhou Honggang,et al.Research on automatic recognizing of mature oranges based on machine vision[J].Jiangsu Agricultural Sciences,2013,41(23):380.
[6]张晓娟,张羽,张辰露,等.分子标记在稻瘟病抗性育种中应用的研究进展[J].江苏农业科学,2013,41(08):73.
　Zhang Xiaojuan,et al.Research progress of molecular markers applied in breeding of blast resistant rice[J].Jiangsu Agricultural Sciences,2013,41(23):73.
[7]余玲,李爱宏,潘存红,等.分子标记辅助选择培育抗病优质晚粳稻品种扬粳806[J].江苏农业科学,2014,42(08):75.
　Yu Ling,et al.Breeding of late japonica rice cultivar “Yangjing 806” with high quality and disease resistance by molecular marker-assisted selection[J].Jiangsu Agricultural Sciences,2014,42(23):75.
[8]刘丽娟,刘仲鹏.基于改进BP算法的玉米叶部病害图像识别研究[J].江苏农业科学,2013,41(11):139.
　Liu Lijuan,et al.Image recognition of maize leaf diseases based on improved BP algorithm[J].Jiangsu Agricultural Sciences,2013,41(23):139.
[9]刘丽娟,刘仲鹏.北方旱育稀植水稻病害图像识别预处理研究[J].江苏农业科学,2014,42(01):92.
　Liu Lijuan,et al.Study on image preprocessing of maize leaf diseases of dry-cultivated and sparse-planting rice in northern China[J].Jiangsu Agricultural Sciences,2014,42(23):92.
[10]成晓松,张俊喜.申嗪霉素与王铜混用对水稻穗期病害防治技术研究[J].江苏农业科学,2016,44(05):190.
　Cheng Xiaosong,et al.Control effect of phenazino-1-carboxylic acid and copper oxychloride mixture on rice disease at heading stage[J].Jiangsu Agricultural Sciences,2016,44(23):190.

备注/Memo

备注/Memo:
收稿日期：2022-01-05
基金项目：国家自然科学基金(编号：61873058、U21A2019)；黑龙江省自然科学基金联合引导项目(编号：LH2020F042)；黑龙江省博士后科研启动金(编号：LBH-Q17134)。
作者简介：路阳(1976—)，男，黑龙江双城人，博士，教授，硕士生导师，主要从事复杂系统智能故障诊断及模式识别技术研究。E-mail：luyanga@sina.com。
通信作者：陈宇，硕士，主要从事机器学习与图像处理研究。E-mail：854744817@qq.com。
更新日期/Last Update: 2022-12-05