基于BP神经网络的水稻卷叶识别

摘要：

[目的]对水稻卷叶进行分类识别,为研究水稻的抗旱性和实施自动化农业、精准农业提供技术支持.[方法]通过数字图像处理方法提取5个水稻特征数据,即水稻的周长面积比、水稻面积与水稻最小外接矩形的面积比、水稻的计盒维数、水稻面积与水稻凸包的面积比、水稻绿色部分面积占比;运用MATLAB构建BP神经网络,依据水稻特征数据对水稻卷叶进行分类识别.[结果]在提取的5个水稻特征数据中,有助于分类的特征包括水稻的周长与面积比、水稻面积与最小外接矩形面积比及水稻的绿色部分占比3个特征.在300组样本数据的分类中,总体样本分类正确率达96.47％,训练样本分类正确率达96.61％,验证样本分类正确率达96.17％,测试样本分类正确率达96.33％.因此,采用BP神经网络对水稻卷叶的识别程度高达90.00％以上,具有良好的分类效果.[建议]今后应对水稻卷叶的类别多分几类进行识别,还应将BP神经网络对水稻卷叶进行分类识别的过程实现自动化,并广泛应用于水稻的学术研究和现实生产.

关键词：BP神经网络、水稻、卷叶、识别

所属期刊栏目：49

分类号：S127(农业物理学)

资助基金：国家现代农业柑橘产业技术体系专项项目CARS-27-07B

在线出版日期：2018-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2103-2109