基于改进BP神经网络的大豆病害检测

《基于改进BP神经网络的大豆病害检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2015年2月农机化研究第2期基于改进BP神经网络的大豆病害检测张云龙，来智勇，景旭，吕静(西北农林科技大学信息工程学院，陕西杨凌712100)摘要:大豆病害诊断是有效防治的先决条件。为此，针对传统BP神经网络在处理高维大豆病害数据时存在的时间复杂度高、诊断准确率低以及误差收敛缓慢且容易出现震荡现象的问题，提出了一种改进方法。该方法首先对高维大豆病害数据进行特征选择，去除“贡献”较小的特征，实现数据降维;然后，对传统BP算法进行改进，根据输出误差动态调整学习速率，并使用改进后的算法建立大豆病害检测模型。经实

2、验测试，该方法在大豆病害诊断测试中准确率达96%以上，且各项统计指标、误差收敛速度及平稳性均优于传统BP神经网络，证明了其可靠性和高效性。关键词:大豆病害;BP神经网络;特征选择;可变学习速率中图分类号:S24;TP393．01文献标识码:A文章编号:1003－188X(2015)02－0079－04DOI:10.13427/j.cnki.njyi.2015.02.019据采集中需要用到定制设备，如相机。0引言对于高维大豆病害数据，传统BP神经网络的缺随着我国大豆种植面积的不断增加，大豆病害发陷更加明显。针

3、对该问题，本文提出了一种改进方生率也在不断增高，严重影响着大豆的产量和品质。法。首先，对高维数据进行特征筛选，去掉部分“贡在大豆生长过程中及时发现病害并准确诊断可以为献”较小的特征，实现数据降维;然后，对传统BP算法［1］后续防治工作提供可靠依据，有效减少病害带来的进行改进，使其能够根据当前误差动态地调整学习速经济损失。率，以加快其误差收敛速度，并避免出现大幅度震荡目前，计算机技术辅助诊断大豆病害存在以下几现象。实验证明，该方法具有检测准确率高、速度快［2－3］类常见方法:①基于不确定推理的诊断方法。这及收

4、敛迅速等优点。类方法首先将特征集合划分成若干不相关的部分，利1病害检测方法用已有专家知识分别对样本空间独立进行判断，然后用不确定模型组合规则将它们组合起来进行诊断。病害检测过程分为数据预处理和监测模型构建此类方法需要大量的专家知识作为支撑。②基于光两步。数据预处理完成数据特征的选择，实现数据将［4－5］谱分析的诊断方法。此类方法利用不同病害的叶维;检测模型构建利用处理过的数据和改进的BP算面光谱反射率在不同波段的差异进行病害诊断。该法—变学习速率反向学习算法，完成大豆病害检测模方法仅能对少量病害进行识别，当

5、病害种类较多时，型的构建。波段之间的差异变小，诊断正确率会明显下降。③基［9－10］在数据处理阶段，利用信息论中信息增益对［6－7］于图像和传统BP神经网络的诊断方法。通过采高维向量的所有特征进行排序，去除信息增益较低的集大豆叶面图像数据并提取几何形状、颜色、纹理等特征，实现向量的降维。在分类系统中，某个特征的［8］特征数据，利用传统BP神经网络对大豆病害进行信息增益越高意味着该特征对分类提供的信息越多。诊断;但传统BP神经网络存在收敛速度慢和出现震若以该特征划分，则每个划分具有较高的纯净度(向荡现象概率较

6、大的缺陷。此外，第②、③类方法在数量所属类别个数越少越纯净)。大豆病害数据中的每一条病害记录为若干离散收稿日期:2014－02－20型特征A以及病害类别编号d构成的一个高维向量D基金项目:“十二五”国家科技支撑计划项目(2013BAD15B02－3);中央高校基本科研业务费专项(QN2011036)={A1，A2，…Am，d}。设大豆病害数据集合DS={D1，作者简介:张云龙(1989－)，男，黑龙江大庆人，硕士研究生，(ED2，…，Dn}，特征Ai(1≤i≤m)的信息增益定义为－mail)54695130

7、3@qq．com。通讯作者:来智勇(1959－)，男，陕西礼泉人，教授，博士，(E－mail)InfoGain(Ai)=Info(DS)－InfoAi(DS)(1)zhiyonglai@qq．com。其中，Info(DS)为DS正确分类所需的信息量;·79·2015年2月农机化研究第2期InfoAi(DS)为基于按Ai的划分对DS正确分类所需的信病害类别数。输出层单元个数定义为Num(d)，每个单息量。Info(DS)定义为元与具体的一种病害对应。k2．2变学习速率反向学习算法Info(DS)=－∑pilo

8、g2pi(2)i=1有了网络拓扑便可以使用学习算法对网络进行其中，pi为任意记录属于第i(1≤i≤k)类的概率，训练。针对多层前馈网络的常用学习算法有BP算一般使用第i类的记录个数与记录总数之比来估计。法、模拟退火算法［11］和遗传算法［12］。本文以BP算法InfoAi(DS)的定义如下为基础，提出了可变学习速率的方向学习算法，具体vDSj描述如下。InfoAi(DS)=∑×Info(DSj)(3)j=1DS算