科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】在传统的模式识别分类中,从大量的干扰物体中识别出目标物体,图像特征参数的选择和不同训练样本数量的比例对目标物体的识别结果有着较大的影响。研究的目的在于明晰不同的图像特征和样本量对水稻灯诱害虫识别结果的影响。【方法】根据5种目标害虫体型大小,将水稻灯诱昆虫分成大型昆虫和小型昆虫。研究水稻昆虫图像的全局特征、局部特征和不同特征融合对水稻目标害虫识别结果的影响;研究基于小样本条件,选择不同训练样本比例对水稻目标害虫识别结果的影响。【结果】当非目标昆虫样本量约为目标害虫样本量的4倍时,基于全局特征和HOG特征融合训练得到的支持向量机分类器识别水稻3种大型害虫,可获得91.4%的识别率和8.6%的误检率;当非目标昆虫样本量约为目标害虫样本量的2倍左右时,基于全局特征的支持向量机分类器识别水稻2种小型害虫,可获得94.9%的识别率和4.9%的误检率。【结论】针对小样本数据,从大量非目标中识别出目标物体,选择合适的特征和设置合理的训练样本比例可获得较好的目标识别结果。
- 单位
