|本期目录/Table of Contents|

[1]阎园园,陈华,姜波.基于群智能算法分类模型的番茄病害识别[J].江苏农业科学,2020,48(1):219-224.
 Yan Yuanyuan,et al.Study on classification algorithm of swarm intelligence algorithm in tomato disease identification[J].Jiangsu Agricultural Sciences,2020,48(1):219-224.
点击复制

基于群智能算法分类模型的番茄病害识别(PDF)
分享到:

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第1期
页码:
219-224
栏目:
农业工程与信息技术
出版日期:
2020-01-05

文章信息/Info

Title:
Study on classification algorithm of swarm intelligence algorithm in tomato disease identification
作者:
阎园园陈华姜波
新疆大学电气工程学院,新疆乌鲁木齐 830047
Author(s):
Yan Yuanyuanet al
关键词:
主成分分析遗传算法粒子群优化算法群智能分类器番茄病害识别
Keywords:
-
分类号:
S126;TP391.4
DOI:
-
文献标志码:
A
摘要:
作物病害分类识别模型一直受被研究对象自身特性影响,为验证智能分类器在番茄常见病害中的识别效果,选择不同群智能分类器进行分类识别。采用主成分分析(principal component analysis,简称PCA)法对样本集的31个数据进行降维,筛选7个贡献率较高的主成分作为PCA-支持向量机(support vector machine,简称SVM)模型的输入;遗传算法(genetic algorithm,简称GA)具有全局寻优特点,正交变换可使变异率、交叉率、种群规模等参数之间快速最优化,构建GA-SVM智能分类器提高识别率;由于 GA-SVM分类器增加了交叉变异计算,参数确定时间相对较长,而粒子群优化(particle swarm optimization,简称PSO)算法不存在交叉变异因子计算过程,因此选择PSO-SVM群智能分类器,把种群中具有最大适应度函数值的惩罚系数(r)和核函数参数(σ2)作为支持向量机模型的最优参数,试验证明,PCA-SVM模型对3种病害类型中的分类效果总体较好。
Abstract:
-

参考文献/References:

[1]岳有军,杨雪,赵辉,等. 基于支持向量机的油菜缺素诊断研究[J]. 广东农业科学,2015,42(20):145-148.
[2]彭吴琦,赵坤坤,焦倩雪,等. 基于图像处理的农田作物病害识别研究[J]. 福建农业,2015(6):115.
[3]田有文,王立地,姜淑华. 基于图像处理和支持向量机的玉米病害识别[J]. 仪器仪表学报,2006,27(6):2123-2124.
[4]田有文,李天来,李成华,等. 基于支持向量机的葡萄病害图像识别方法[J]. 农业工程学报,2007,23(6):175-180.
[5]张建华,冀荣华,袁雪,等. 基于径向基支持向量机的棉花虫害识别[J]. 农业机械学报,2011,42(8):178-183.
[6]房俊龙,张长利,潘伟,等. 用遗传算法训练的人工神经网络识别番茄生理病害果[J]. 农业工程学报,2004,20(3):113-116.
[7]郑金山. SPSS软件对葡萄酒中氨基酸含量进行主成分分析评价的应用[J]. 齐齐哈尔大学学报(自然科学版),2013,29(5):26-29.
[8]宋英华,王亚楠,吕伟,等. 基于RBF神经网络的火灾报警系统失效概率预测[J]. 安全与环境学报,2017,17(5):1740-1744.
[9]袁建清,苏中滨,贾银江,等. 基于高光谱成像的寒地水稻叶瘟病与缺氮识别[J]. 农业工程学报,2016,32(13):155-160.
[10]周丽. 用遗传算法选择支持向量机参数的研究[D]. 昆明:云南大学,2010.
[11]付阳. 支持向量机并行训练算法与基于遗传算法的参数优化研究[D]. 南昌:南昌大学,2010.
[12]赵越,茹婷婷. 遗传算法理论与应用新探[J]. 轻工科技,2014(1):77-78.
[13]马玉明,贺爱玲,李爱民. 遗传算法的理论研究综述[J]. 山东轻工业学院学报(自然科学版),2004,18(3):77-80.
[14]陈宏亮. 粒子群优化算法在气象信息预测建模中的研究[D]. 合肥:中国科学技术大学,2014.
[15]徐晓明. SVM参数寻优及其在分类中的应用[D]. 大连:大连海事大学,2014.
[16]李雪源. 基于群体智能优化算法的聚类分析研究[D]. 哈尔滨:哈尔滨工程大学,2015.

相似文献/References:

[1]周鹏,张小刚,徐彪,等.基于高光谱的南疆红枣病虫害特征谱段选择模式[J].江苏农业科学,2013,41(04):108.
[2]张淼,金涛.江苏省耕地利用时空格局演变分析[J].江苏农业科学,2013,41(06):343.
 Zhang Miao,et al.Analysis on evolution of spatial and temporal pattern of cultivated land use in Jiangsu Province[J].Jiangsu Agricultural Sciences,2013,41(1):343.
[3]李鹏,刘济明,欧国腾,等.大果木姜子苗木的评价及分级标准[J].江苏农业科学,2014,42(09):223.
 Li Peng,et al.Quality evaluation and grading of Cinnamomum migao seedlings[J].Jiangsu Agricultural Sciences,2014,42(1):223.
[4]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
 Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(1):383.
[5]秦善知,陈斌,陆道礼,等.基于便携式近红外光谱仪检测梨可溶性固形物[J].江苏农业科学,2014,42(08):284.
 Qin Shanzhi,et al.Determination of soluble solid contents in pears based on portable near infrared spectrometer[J].Jiangsu Agricultural Sciences,2014,42(1):284.
[6]张永侠,原海燕,顾春笋,等.红籽鸢尾(Iris foetidissima L.)的抗旱性[J].江苏农业科学,2014,42(08):174.
 Zhang Yongxia,et al.Study on drought resistance of Iris foetidissima L.[J].Jiangsu Agricultural Sciences,2014,42(1):174.
[7]汪磊,黄其松.基于博弈论组合赋权的西部地区生态脆弱性评价[J].江苏农业科学,2016,44(03):318.
 Wang Lei,et al.Assessment of ecological vulnerability in western region based on game theory combination empowerment[J].Jiangsu Agricultural Sciences,2016,44(1):318.
[8]蒋雪松,周宏平.基于遗传算法的农产品品质无损检测研究进展[J].江苏农业科学,2013,41(12):17.
 Jiang Xuesong,et al.Research progress of nondestructive testing of quality of agricultural products based on genetic algorithms[J].Jiangsu Agricultural Sciences,2013,41(1):17.
[9]徐凯宏,米雅婷,谷志新.基于GA-BP神经网络的温室番茄病害诊断[J].江苏农业科学,2016,44(04):387.
 Xu Kaihong,et al.Diagnosis of tomato disease in greenhouse based on GA-BP network[J].Jiangsu Agricultural Sciences,2016,44(1):387.
[10]汪霖,蒲春玲,刘志有,等.基于主成分分析和熵权法的区域土地资源集约利用研究 ——以新疆伊犁州直为例[J].江苏农业科学,2016,44(05):522.
 Wang Lin,et al.Intensive study on use of regional land resources based on principal component analysis and entropy method—Taking Ili Prefecture of Xinjiang as an example[J].Jiangsu Agricultural Sciences,2016,44(1):522.

备注/Memo

备注/Memo:
收稿日期:2018-10-09
基金项目:国家自然科学基金(编号:61064005)。
作者简介:阎园园(1990—),女,河南永城人,硕士研究生,主要研究方向为图像处理与智能识别。E-mail:xj15276659054@163.com。
通信作者:陈华,硕士,教授,主要研究方向为智能控制与系统开发。E-mail:xj15699200329@163.com。
更新日期/Last Update: 2020-01-05