基于改进级联神经网络的大豆叶部病害诊断模型

作     者：马晓丹 关海鸥 祁广云 刘刚 谭峰 MA Xiaodan;GUAN Haiou;QI Guangyun;LIU Gang;TAN Feng

作者机构：黑龙江八一农垦大学信息技术学院大庆163319 中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2017年第48卷第1期

页      面：163-168页

核心收录：

学科分类：0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(31601220 31371532) 黑龙江省自然科学基金项目(QC2016031) "十二五"国家科技支撑计划项目(2014BAD06B01) 黑龙江省农垦总局科技项目(HNK125A-08-03) 

主　　题：大豆病害 特征提取 级联神经网络 量子遗传算法 诊断模型 

摘      要：针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。