|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 Yuanyuan; et 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]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.
[4]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.
[5]孙菲菲,王夏,王强,等.南京地区白菜种质资源遗传主成分与聚类分析[J].江苏农业科学,2014,42(03):106.
　Sun Feifei.Principal component and cluster analysis of Chinese cabbage germplasm resources in Nanjing area[J].Jiangsu Agricultural Sciences,2014,42(1):106.
[6]费强,赵武云,戴飞,等.基于BP神经网络及遗传算法的组合式板齿脱粒装置参数优化[J].江苏农业科学,2014,42(03):351.
　Fei Qiang,et al.Parameter optimization of composite board tooth threshing device based on BP neural network and genetic algorithm[J].Jiangsu Agricultural Sciences,2014,42(1):351.
[7]刘跃,彭春香.信息化促进城乡民生统筹发展的实际效果评估——以重庆市为例[J].江苏农业科学,2014,42(03):396.
　Liu Yue,et al.Practical effect evaluation of informatization to promote overall development of urban and rural peoples livelihood—Taking Chongqing City as an example[J].Jiangsu Agricultural Sciences,2014,42(1):396.
[8]刘媛,姚於康,李睿婷,等.基于主成分分析的江苏省粮食生产可持续发展能力研究[J].江苏农业科学,2014,42(03):410.
　Liu Yuan,et al.Study on sustainable development of grain production capability in Jiangsu Province based on principal component analysis[J].Jiangsu Agricultural Sciences,2014,42(1):410.
[9]马海姣,崔晨风.基于可见-近红外光谱和神经网络的土壤类型鉴别[J].江苏农业科学,2014,42(04):284.
　Ma Haijiao,et al.Identification of soil types based on visible-near infrared spectroscopy and neural networks[J].Jiangsu Agricultural Sciences,2014,42(1):284.
[10]周鹏,郭颂,牛晓太,等.南疆红枣病虫危害等级识别模型的研究与实现[J].江苏农业科学,2014,42(06):354.
　Zhou Peng,et al.Research and implementation of pest damage level recognition model of red dates in southern Xinjiang[J].Jiangsu Agricultural Sciences,2014,42(1):354.

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