基于改进概率神经网络的玉米与杂草识别

作     者：张新明 涂强 冯梦清 ZHANG Xinming;TU Qiang;FENG Mengqing

作者机构：河南师范大学计算机与信息工程学院 河南省高校计算智能与数据挖掘工程技术研究中心 

出 版 物：《山西大学学报(自然科学版)》 (Journal of Shanxi University(Natural Science Edition))

年 卷 期：2015年第38卷第3期

页      面：432-438页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 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：河南省重点科技攻关项目(132102110209) 河南省基础与前沿技术研究计划项目(142300410295) 

主　　题：图像识别 杂草识别 概率神经网络 特征提取 不变矩特征 

摘      要：针对传统概率神经网络(Probabilistic Neural Network,PNN)在杂草识别中存在识别精度低和实时性能差等的缺陷,提出了一种基于改进概率神经网络(Improved PNN,IPNN)的玉米与杂草识别方法。首先对采集的玉米与杂草彩色图像进行变换、分割等预处理以便更好地提取特征,然后提取出13个颜色和不变矩特征,并采用次优搜索法从13个特征中选择最有效特征构建特征向量,最后对传统的概率神经网络进行改进以便解决识别精度低和实时性能差的问题。仿真结果表明,与PNN、GRNN(Generalized Regression Neural Network)和Extreme learing Machine(ELM)方法相比,IPNN方法能更好地识别杂草,识别率达95%以上;且耗时更少,是PNN的3.7%,更适用于实时应用的场合。