基于高光谱图像和遗传优化神经网络的茶叶病斑识别

摘要：

为实现茶叶病害的快速高效识别,提出了基于高光谱成像技术和图像处理技术融合的茶叶病斑识别方法.利用高光谱成像技术采集了炭疽病、赤叶斑病、茶白星病、健康叶片等4类样本的高光谱图像.提取感兴趣区域敏感波段的相对光谱反射率作为光谱特征.通过2次主成分分析,确定第二次主成分分析后的第二主成分图像为特征图像,基于颜色矩和灰度共生矩阵提取特征图像的颜色特征和纹理特征.利用BP神经网络对颜色、纹理和光谱特征向量融合数据进行检验,识别率为89.59%;为提高识别率,提出遗传算法优化BP神经网络的方法,使病斑识别率提高到94.17%,建模时间也缩短至1.7 s.试验结果表明:高光谱成像技术和遗传优化神经网络可以快速准确的实现对茶叶病斑的识别,可为植保无人机超低空遥感病害监测提供参考.

关键词：算法、优化、神经网络、高光谱成像技术、主成分分析、光谱特征

所属期刊栏目：33

分类号：TP391.41;S435.711(计算技术、计算机技术)

资助基金：国家博士后科学基金资助项目2015M571782;中央高校科研业务基本业务费资助项目KYTZ201661;江苏省农机基金资助项目GXZ14002

在线出版日期：2017-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：200-207