[發明專利]基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法

有效

• 申請號: 201810316604.5
• 申請日: 2018-04-10
• 公開（公告）號: CN108491923B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 王生生;梅琳
• 申請（專利權）人: 吉林大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N3/04;G06K9/62
• 代理公司: 長春市恒譽專利代理事務所(普通合伙) 22212
• 代理人: 李榮武

本發明提出一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，該方法包括以下步驟：步驟一：提出一種改進的二進制狼群算法(Improved binary Wolf Colony Algorithm，IBWCA)，對狼群算法進行改進，在探狼的游走行為中加入突變算子，在召喚行為中加入逼近算子，并在圍攻行為中加入交互算子，在狼群的更新過程中提出用混沌運動的方式更新狼群；步驟二：基于改進的二進制狼群算法的貝葉斯結構學習優化算法(Bayesian Network Construction algorithm using IBWCA,BNC?IBWCA)；步驟三：結合卷積神經網絡與貝葉斯網絡進行害蟲圖像的識別處理。用預訓練好的卷積神經網絡對訓練集和測試集的圖片進行特征提取，用貝葉斯分類器進行分類識別。

技術領域

本發明涉及卷積神經網絡,貝葉斯網絡及狼群算法。

背景技術

農作物病蟲害的問題與人們的生活息息相關，直接影響著農業的發展。目前對害蟲進行預防和治理的最普遍的方法則是使用農藥。然而，由于害蟲種類的繁多，人們在缺乏辨識的情況下，盲目的使用農藥，不對癥下藥，不僅無法有效的治理害蟲，還往往會破壞土壤和環境，影響農業生產的可持續發展，使農作物的產出呈現負增長的趨勢。害蟲的形態種類繁多，傳統的害蟲識別，僅僅靠肉眼來觀察害蟲的特征來進行識別，存在一定的主觀性和局限性，并且工作強度極大，費時費力。因此，如何快速高效的進行害蟲識別成為治理病蟲害至關重要的一步。

害蟲的識別技術是影響農業快速發展的重要環節，也是實現農業現代化的關鍵因素，由于人工害蟲識別的缺陷已經很難滿足人們對于害蟲識別的高度要求，已經有很多的學者，運用各種先進的技術提出了很多新型的害蟲識別的方法，比如通過聲音來識別，通過環境識別，通過圖像識別。其中最有效的則是通過害蟲的圖像進行識別，基于圖像的害蟲識別技術，目前是一個比較新的研究領域，國內外的很多專家學者都還在進行研究。當前的害蟲識別技術具有一定的局限性：(1)傳統的害蟲識別技術是基于圖像的點特征和線特征的，在光照條件復雜或者拍照角度多變的的情況下，識別效果不好。(2)傳統的圖像識別方法僅僅提取了輸入圖像中具有代表性的特征，具有一定的局限性。

目前，機器視覺技術在害蟲的識別技術上，有很大的發展前途。貝葉斯網絡作為機器學習的一項，既能用圖論的語言直接展示問題的結構，又能按照概率論的原則對問題的結構進行分析利用，降低推理的復雜度。因此，貝葉斯分類器在分類效果上比起其他分類算法有著相對穩定的分類效果。但貝葉斯網絡的結構學習，一直是一個NP難的問題。本文我們使用基于搜索和評分的方法。提出一種改進的狼群算法，設計狼群的更新策略，以改善局部極值問題，提高學習算法精度，使其適用于貝葉斯網絡的結構學習，將貝葉斯網絡結構的學習過程轉化為尋找最優頭狼的問題。然后結合卷積神經網絡在特征提取方面獨有的優勢，對害蟲進行識別。

綜上所述，我們提出一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，首先用基于全局對比度的顯著性區域檢測方法進行害蟲目標的定位，再對害蟲目標的區域，采用GrabCut算法進行自動分割，保存到數據文件中，形成數據集，用于模型的訓練和測試。其次再用預訓練好的卷積神經網絡，提取訓練集和測試集上的圖像特征，輸入貝葉斯網絡。然后對傳統的狼群算法進行改進，將其作為搜索算法，貝葉斯信息準則(BayesianInformation Criterion，BIC)作為評分函數，學習貝葉斯網絡的結構。然后再用極大似然(Maximum Likelihood，ML)算法學習貝葉斯網絡的參數，形成貝葉斯分類器。

發明內容：

為解決農業病蟲害問題，本文提出一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法。發明主要內容包括：提出一種改進的二進制狼群算法。用改進的二進制狼群算法作為搜索算法進行貝葉斯網絡的結構學習，形成貝葉斯分類器。結合卷積神經網絡的特征提取功能和貝葉斯分類器的分類功能，對害蟲圖像進行分類識別。

一種基于改進狼群算法優化貝葉斯網絡的害蟲圖像識別方法，其特征在于：至少包括以下步驟：