基于量子神经网络和组合特征参数的玉米叶部病害识别

摘要：

[目的]探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率.[方法]应用K means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数.[结果]根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92.5％、97.5％和92.5％,高于误差反向传播神经网络法的识别率(分别为90.0％、90.0％和92.5％).[结论]设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴.

关键词：玉米病害、组合特征参数、量子神经网络、病害识别率、识别

所属期刊栏目：44

分类号：S431.11;TP391.41(病虫害及其防治)

资助基金：河南省教育厅科学技术研究重点项目12A510021;河南省许昌市科技计划项目1101060

在线出版日期：2013-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1286-1290