一种基于特征选择的农作物病害识别方法技术

本发明专利技术公开了一种基于特征选择的农作物病害识别方法，包括：1、采集不同病害种类的原始农作物叶片图像样本集并进行归一化和中心化预处理，得到预处理后的叶片图像样本矩阵及其类别标签矩阵，2、获得初始回归系数矩阵并根据初始回归系数矩阵获得权重矩阵，3、迭代更新初始回归系数矩阵以获得最优回归系数矩阵，4、利用最优回归系数矩阵完成特征选择，对任一农作物叶片样本进行病害分类。本发明专利技术能从农作物叶片众多的特征维度中选择出与病害分类相关程度最高的特征，将其他维度特征的回归系数压缩至0，并完成特征选择，从而能采集较少的特征即可完成对农作物的病害分类，节约了时间和成本。

A method for crop disease identification based on feature selection

The invention discloses a crop disease recognition method based on feature selection, including: the original image samples, 1 crop leaves collected in different disease types set and normalized and the center of the pretreatment, obtained after pretreatment of the leaf image sample matrix and categories label matrix, 2, to obtain the initial regression coefficient matrix according to the initial the regression coefficient matrix of weight matrix, iterative update 3, the initial regression coefficient matrix to obtain the optimal regression coefficient matrix, 4, using the optimal regression coefficient matrix completion feature selection, classification of any crop disease leaf samples. The invention can select features and classification of diseases related to the highest degree from the characteristic dimensions of crop leaves numerous, the regression coefficients of other dimensions of feature compression to 0, and complete the feature selection, which can complete the acquisition to be less disease classification on crops, saving time and cost.

【技术实现步骤摘要】
一种基于特征选择的农作物病害识别方法
本专利技术属于模式识别领域，具体的说是一种基于特征选择的农作物病害识别方法。
技术介绍
传统的农作物病害识别，往往依赖于农民在生产过程中积累的经验进行判断，然而病害识别还需要专业的知识加以辅佐才能保证病害识别的正确性，对许多农民来说条件都过于苛刻，从而导致农民忽略农作物的病害或者判断产生了错误，造成农作物的损失。因此，我们需要一种工具，能够让农民直接操作而不需要耗费大量体力脑力就能知悉农作物的病害情况。特征选择在病害识别过程中起到了至关重要的作用。优秀的特征选择方法能够从纷繁杂乱的特征维度中找到与病害分类相关性更强且维度更小的特征子集，使得后序的识别工作能够更加快速、高效的进行，同时节约了成本。最佳子集选择是进行特征选择的一种传统方式，但是当特征数量大时，它不具有计算可行性；其次，由于其固有的不连续性，它的选择结果也是多变的。从可计算的角度考虑，逐步选择可以作为最佳子集选择的一种替代方法。但是，逐步选择方法也具有高变化性的特点，而且往往会陷入局部最优解而不能得到全局最优解。现有的特征选择技术还包括最小绝对收缩和选择算子(LeastAbsolute本文档来自技高网...

【技术保护点】
一种基于特征选择的农作物病害识别方法，其特征是按如下步骤进行：步骤1、采集不同病害种类的原始农作物叶片图像样本集并进行归一化和中心化预处理，得到预处理后的叶片图像样本矩阵及其类别标签矩阵，分别记为X＝{x1,x2,…,xi,…,xn}

【技术特征摘要】
1.一种基于特征选择的农作物病害识别方法，其特征是按如下步骤进行：步骤1、采集不同病害种类的原始农作物叶片图像样本集并进行归一化和中心化预处理，得到预处理后的叶片图像样本矩阵及其类别标签矩阵，分别记为X＝{x1,x2,…,xi,…,xn}T和Y＝{y1,y2,…,yi,…,yn}T，其中，xi表示第i张叶片图像样本，并有：xi＝{xi1,xi2,…,xij,…,xip}，xij表示第i张叶片图像样本的第j维特征，且每张叶片图像样本共有p维特征；yi表示第i张叶片图像样本所对应的病害种类标签，且yi＝{yi1,yi2,…,yic,…,yiC}，yij表示第i张叶片图像样本所对应的第j类病害，若yic＝0表示第i张叶片图像样本不属于第c类病害，若yic＝1，则表示第i张叶片图像样本属于第c类病害；i＝1,2,…,n，j＝1,2,…,p，c＝1,2,…,C；c表示任意病害的种类，C表示病害的种类总数；步骤2、利用式(1)得到初始回归系数矩阵Β(0)：Β(0)＝(XTX)-1XTY(1)式(1)中，XT表示叶片图像样本矩阵的转置矩阵，(·)-1表示矩阵的逆矩阵；且表示第j维特征与所有病害种类的初始回归系数，并有表示第j维特征与第c类病害的初始回归系数；步骤3、利用式(2)得到第j维特征与第c类病害的回归系数的权重Wjc，从而得到初始回归系数矩阵Β(0)的权重矩阵W：式(2)中，δ表示预设的添加项，且δ＞0，s表示预设的缩放参数；步骤4、定义当前迭代次数为t，并初始化t＝1，最大迭代次数为tmax，残差限界为ε，且ε>0；步骤5、利用式(3)得到第t次迭代的辅助对角矩阵D(t)：

【专利技术属性】
技术研发人员：陈思宝，代北敏，张颖，罗斌，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34