农作物缺素症状诊断的正则化模糊神经网络模型

摘要：

针对农作物冠层图像颜色特征与缺素症状之间的模糊性和不确定性,利用模糊逻辑能够完整地表达领域推理规则和神经网络的自适应性,提出一种正则化的自适应模糊神经网络作为作物营养诊断分类决策模型.该模型能充分利用专家先验知识给出的“if-then”规则,完善网络的推理结构,并给出了网络规则层节点的自适应选7取方法和相应的反向传播学习算法.通过对大豆缺素症状诊断试验表明,该模型速度快且稳定,精度接近100％,具有良好的适应性和实用性.

关键词：叶片营养诊断、颜色特征、模糊逻辑、神经网络、正则化

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60473051;黑龙江省农垦总局科技攻关资助项目HNK11A-06-02-02

在线出版日期：2012-07-31（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：162-167,156