基于特征优化和LS-SVM的棉田杂草识别

• 作者: 刘波 朱伟兴 李先锋 纪滨
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 棉花 杂草识别 特征选择 粒子群优化算法 最小二乘支持向量机
• 年，卷（期）: 2010,（11）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 168-172
• 分类号: TP391.41
• 字数: 4218字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1298.2010.11.033

摘要

为了提高杂草识别的精度和效率,提出了一种基于特征优化和最小二乘支持向量机(LS-SVM)技术的棉田杂草识别方法.在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上,提取植物叶片的6个几何特征和7个Hu不变矩,用粒子群优化(PSO)算法对形状特征进行优化选择,缩减LS-SVM训练样本数据,然后用训练好的分类器进行杂草识别.实验结果表明,该方法在有效缩减形状特征的同时,能够保持高于原始特征集的识别率,平均正确识别率达到95.8%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱伟兴	江苏大学电气信息工程学院	130	1640	21.0	35.0
2	纪滨	江苏大学电气信息工程学院	7	175	6.0	7.0
3	李先锋	江苏大学电气信息工程学院	5	139	5.0	5.0
5	刘波	江苏大学电气信息工程学院	17	219	8.0	14.0