[發明專利]一種基于圖像識別與BP神經網絡的病蟲害識別系統

在審

• 申請號: 202010653571.0
• 申請日: 2020-07-08
• 公開（公告）號: CN111797781A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 王偉超;吳嚴嚴;楊欣欣
• 申請（專利權）人: 廣西大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 李小波

1.一種基于圖像識別與BP神經網絡的病蟲害識別系統，其特征在于，包括病蟲害圖像采集模塊(1)、病蟲害圖像處理模塊(2)、病蟲害圖像的接收與儲存模塊(3)、病蟲害圖像的識別與處理模塊(4)及反饋模塊(5)。

2.根據權利要求1所述的一種基于圖像識別與BP神經網絡的病蟲害識別系統，其特征在于，所述病蟲害圖像采集模塊(1)包括拍攝終端(101)、壓縮編碼(102)及病蟲害圖像預處理操作(103)；

其中，所述拍攝終端(101)包括手機終端(104)、相機終端(105)及攝像機終端(106)；

其中，所述壓縮編碼(102)用于將拍攝終端(101)拍攝的病蟲害圖像進行初始化和進行一系列的參數設置及開始對病蟲害圖像完成編碼。

3.根據權利要求2所述的一種基于圖像識別與BP神經網絡的病蟲害識別系統，其特征在于，所述病蟲害圖像預處理操作(103)包括病蟲害圖像上傳(107)、病蟲害圖像保存(108)、GPRS(109)及GPS(110)；

其中，所述GPRS(109)用于遠距離的病蟲害圖像的傳輸；

其中，所述GPS(110)用于對病蟲害出現區域進行定位。

4.根據權利要求1所述的一種基于圖像識別與BP神經網絡的病蟲害識別系統，其特征在于，所述病蟲害圖像的識別與處理模塊(4)包括病蟲害圖像的預處理(401)和采用BP神經網絡算法對病蟲害圖像進行處理(402)；

其中，所述病蟲害圖像的預處理(401)包括以下步驟：

步驟1，將接收的病蟲害的圖像的分辨率、清晰度、像素進行調整；

步驟2，將接收不同大小的病蟲害的圖像進行歸一化操作；

步驟3，將上述調整完成后的病蟲害圖像數據制作成LMDB格式；

其中，所述采用BP神經網絡算法對病蟲害圖像進行處理(402)包括預處理(403)、初始處理(404)及輸出處理(405)；

其中，所述預處理(403)用于對圖像的特微進行提取，并用算法實現；

其中，所述初始處理(404)包括初始化(406)和初始輸出(407)；

其中，所述輸出處理(405)用于對逐層傳遞神經元中，出現誤差時，進行反饋傳遞，并且，輸出結果達不到預期輸出時，神經元會反向傳遞，在反向傳遞的過程中，根據誤差調整網絡權值和閾值，以達到良好識別預測體系。

5.根據權利要求4所述的一種基于圖像識別與BP神經網絡的病蟲害識別系統，其特征在于，所述預處理(403)包括以下步驟：

步驟1，對觀測病蟲害圖像X進行預處理；

步驟2，獨立分量的提取，尋找分離矩陣L，通過S＝LX實現獨立分量的提取，并在提取獨立分量的基礎上加上步驟1中去掉觀測信號的均值得到信號s，由中心極限定理可知若隨機變量由多個互相獨立的隨機變量之和組成，若s的各獨立隨機變量具有有限的均值和差，則滿足概率的分布的定義如下；

定義1：H(x)＝∫f(x)lgf(x)dx

其中，H(x)是概率密度為f(x)的隨機變量x的信息熵；

定義2：J(x)＝H(bxgaussian)-H(x)

其中，H(bxgaussian)為與隨機變量x具有相同方差的隨機變量信息熵，J為白化矩陣，H(x)是概率密度為f(x)的隨機變量x的信息熵；

由上述定義可得知，具有高斯分布的隨機變量的負熵最小，且為零，由此提供一種簡化算法如下：

J(x)∞[E{G(x)-E(x_gaussian)}]²

其中，E(.)為求均值運算，E為交接矩陣，J為白化矩陣，x_gaussian為隨機變量，x為信息熵；

其中，G(.)可取數如下；

G₂(u)＝-exp(-u²/2)

且a₁為常量并滿足1≤a₁≤2，通常情況下取a₁＝1，獨立分量過程就是度量隨機變量的非高斯度過程。