基于改进概率神经网络的玉米与杂草识别

• 作者: 冯梦清 张新明 涂强
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像识别 杂草识别 概率神经网络 特征提取 不变矩特征
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 2015年中国计算机学会人工智能会议(CCFAI2015)论文选?
• 页码范围: 432-438
• 分类号: TP183
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2015.03.008

摘要

针对传统概率神经网络(Probabilistic Neural Network,PNN)在杂草识别中存在识别精度低和实时性能差等的缺陷,提出了一种基于改进概率神经网络(Improved PNN,IPNN)的玉米与杂草识别方法.首先对采集的玉米与杂草彩色图像进行变换、分割等预处理以便更好地提取特征,然后提取出13个颜色和不变矩特征,并采用次优搜索法从13个特征中选择最有效特征构建特征向量,最后对传统的概率神经网络进行改进以便解决识别精度低和实时性能差的问题.仿真结果表明,与PNN、GRNN(Generalized Regression Neural Network)和Extreme learing Machine(ELM)方法相比,IPNN方法能更好地识别杂草,识别率达95％以上;且耗时更少,是PNN的3.7％,更适用于实时应用的场合.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新明	河南师范大学计算机与信息工程学院	68	922	13.0	28.0
5	涂强	河南师范大学计算机与信息工程学院	13	105	7.0	10.0
6	冯梦清	河南师范大学计算机与信息工程学院	4	28	3.0	4.0