[发明专利]基于图像识别的玉米叶部病虫害检测模型的构建方法及应用

摘要

本发明公开了一种基于图像识别的玉米叶部病虫害检测方法，用于获得待检玉米叶部的病虫害种类，对获取的玉米叶部病变区域的学习样本集{(xi,yi)|i＝1,2,…,N}通过SMO算法求解支持向量机SVM模型的最优超平面，其中，xi是第i个样本的输入参数向量，yi是第i个样本的输出结果，其中，xi由玉米叶部的病变区域面积S、周长P、圆形度O、矩行度R、形状复杂度E参数构成；取待检测试样，代入上述支持向量机SVM模型的最优超平面获得yi的值，当yi＝1表示是该种病虫害，yi＝‑1表示非该种病虫害。采用引入松弛变量、分类误差惩罚因子的支持向量机SVM学习玉米叶部病虫害图像，以通过检测设备大量容易的、大批量的获取玉米叶部病虫害结果。

主权项

1.一种基于图像识别的玉米叶部病虫害检测模型的构建方法，定义病虫害标签Y∈{A，B}，A＜0＜B，其特征在于，包括下述步骤：1)对玉米叶部病变区域图像进行预处理，以获取玉米叶部的病变区域的学习样本集{(xi，yi)|i＝1，2，…，N}，其中，xi是第i个样本的输入参数向量，xi由玉米叶部的病变区域面积S、周长P、圆形度O、矩行度R、形状复杂度E参数构成；yi对应于第i个样本的病虫害输出结果，yi＝A表示是该种病虫害，yi＝B表示非该种病虫害；2)通过SMO算法求解支持向量机SVM模型，得到对偶最优化目标：公式(1)中，LD是ζ(ω，b，ξ，α，γ)函数，l是松弛变量ξ的数目，αi是拉格朗日乘子，αj是αi的转置，xj为xi的转置，yj为yi的转置，C是分类误差惩罚因子；根据(1)式求解拉格朗日乘子α_i及其最优值分类误差惩罚因子C，令α＝(α₁.....，α₁)^T，获得拉格朗日乘子向量α，其中，不为零的α_i对应的x_i即为分类器的支持向量，根据分类器的支持向量得到最优超平面的参数ω、b及b的最优值b^*；根据公式(2)求解核参数g；公式(2)中，是α_i的最优值，b^*是b的最优值，g是核参数，x是待检测点的输入参数向量，x_i是分类器的支持向量，1是松弛变量ξ的数目。