[發(fā)明專利]基于深度受限玻爾茲曼機(jī)的害蟲圖像自動識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201410336226.9
• 申請日: 2014-07-15
• 公開（公告）號: CN104091181A
• 公開（公告）日: 2014-10-08
• 發(fā)明（設(shè)計(jì)）人: 王儒敬;李瑞;謝成軍;張潔;洪沛霖;宋良圖;董偉;周林立;郭書普;張立平;黃河;聶余滿
• 申請（專利權(quán)）人: 中國科學(xué)院合肥物質(zhì)科學(xué)研究院
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 合肥天明專利事務(wù)所 34115
• 代理人: 奚華保

技術(shù)領(lǐng)域

本發(fā)明涉及智能農(nóng)業(yè)以及模式識別技術(shù)領(lǐng)域，尤其是一種基于深度受限玻爾茲曼機(jī)的害蟲圖像自動識別方法及系統(tǒng)。

背景技術(shù)

害蟲是農(nóng)作物生長的大敵，在農(nóng)作物整個(gè)生長期內(nèi)都有發(fā)生，可造成農(nóng)作物的大量減產(chǎn)?，F(xiàn)行的害蟲分類、識別工作主要依靠少數(shù)植保專家和農(nóng)技人員來完成，然而害蟲種類繁多，每一位植保專家窮其所能也只能識別部分害蟲。越來越多的跡象表明，對害蟲識別需求的增多與害蟲識別專家的相對較少的矛盾已日益加劇，自動害蟲圖像的識別具有非常重要的意義，然而自動害蟲圖像的識別方法識別率低，魯棒性較差，只存在實(shí)驗(yàn)階段，尋求一種識別率高、魯棒性強(qiáng)的害蟲識別方法具有非常重要的意義。當(dāng)今在模式識別領(lǐng)域，基于無監(jiān)督的深度學(xué)習(xí)理論成為眾多學(xué)者研究的熱點(diǎn)，受限玻爾茲曼機(jī)算法是深度學(xué)習(xí)一種經(jīng)典的算法，目前在模式識別領(lǐng)域應(yīng)用廣泛，在人臉識別和物體識別領(lǐng)域取得了非常好的效果。

發(fā)明內(nèi)容

本發(fā)明的首要目的在于提供一種能夠?qū)崿F(xiàn)害蟲圖像的自動識別，且識別率高、魯棒性強(qiáng)的基于深度受限玻爾茲曼機(jī)的害蟲圖像自動識別方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：一種基于深度受限玻爾茲曼機(jī)的害蟲圖像自動識別方法，該方法包括下列順序的步驟：

(1)訓(xùn)練過程：對訓(xùn)練圖像集的數(shù)據(jù)進(jìn)行預(yù)處理，對經(jīng)預(yù)處理的訓(xùn)練圖像分組構(gòu)建訓(xùn)練圖像立方體，采用受限玻爾茲曼機(jī)算法提取每組訓(xùn)練圖像的特征，經(jīng)過反饋調(diào)節(jié)，得到訓(xùn)練后的訓(xùn)練圖像集特征數(shù)據(jù)；

(2)測試過程：輸入待識別的測試圖像，對測試圖像進(jìn)行預(yù)處理，采用受限玻爾茲曼機(jī)算法提取測試圖像特征，經(jīng)過反饋調(diào)節(jié)，得到誤差較小的測試圖像的特征數(shù)據(jù)；

(3)識別害蟲種類，給出預(yù)防方法：求出測試圖像的特征數(shù)據(jù)與訓(xùn)練圖像集特征數(shù)據(jù)的相似度，找出相似度最高的類別。

在訓(xùn)練過程中，所述對訓(xùn)練圖像集的數(shù)據(jù)進(jìn)行預(yù)處理包括以下步驟：

(1)統(tǒng)一訓(xùn)練集中的每幅訓(xùn)練圖像的大??；

(2)將圖像灰度化，并將灰度化后的圖像進(jìn)行灰度均衡化；

(3)使用高斯濾波算法進(jìn)行去噪平滑處理。

在訓(xùn)練過程中，所述對訓(xùn)練圖像分組構(gòu)建訓(xùn)練圖像立方體包括以下步驟：

(1)將訓(xùn)練圖像分組；

(2)構(gòu)建訓(xùn)練圖像立方體，以x軸坐標(biāo)表示一個(gè)小組內(nèi)不同樣本的編號，則x軸坐標(biāo)為：1,2,3,4…100；以y軸坐標(biāo)表示一個(gè)小組中特定一個(gè)樣本的維度；以z軸坐標(biāo)表示分組的個(gè)數(shù)。

所述受限玻爾茲曼機(jī)算法表達(dá)式為RBM(W,b,c,v₀)，其中W為RBM層與層之間的鏈接權(quán)值矩陣，b為RBM隱藏層的偏置，c為RBM輸入層的編制，v₀是RBM訓(xùn)練樣本集合中的一個(gè)樣本；

(1)計(jì)算能量函數(shù)E(v,h|θ)：