基于支持向量機的農作物缺素癥狀診斷方法

關海鷗 馬曉丹 黃燕 杜松懷 焦峰 陳爭光 王苫社

摘 ?要：針對如何利用農作物葉面顏色特征判斷其營養癥狀的實際問題，應用數字圖像處理技術和最小二乘支持向量機，提出一種基于支持向量機的農作物缺素癥狀診斷方法。首先運用數字圖像處理技術計算農作物葉面顏色特征;然后將歸一化顏色空間特征輸入最小二乘支持向量機，相應缺素癥狀作為輸出，通過遺傳算法確定最優組合參數，進而建立了農作物缺素癥狀診斷方法。通過大豆缺素癥狀實際資料的仿真診斷結果表明，該方法速度快且精度高，具有良好的適應性和實用性。

關鍵詞：農作物缺素;診斷方法;顏色特征;支持向量機

引言

農作物葉片表面不同的顏色特征及規律，可反映其不同的營養狀況，對于農業生產的高效益且可持續發展非常重要[1]。20世紀90年代，國內外學者已經開始使用圖像處理技術應用到農作物營養信息監測方面的研究[2]，將數字圖像的多維特征與智能信息處理技術有機結合[3-5]，為農作物缺素癥狀診斷提供了理論基礎。文章以大豆葉面的彩色圖像為研究對象，應用數字圖像處理技術計算大豆缺素癥狀發生時葉面的顏色特征向量，然后將歸一化顏色空間特征向量輸入最小二乘支持向量機，并運用遺傳算法確定最優組合參數，建立大豆葉面顏色特征與相應缺素癥狀非線性映射關系，從而提出一種基于支持向量機的農作物缺素癥狀診斷方法。為自然條件下利用智能移動終端解決農作物營養癥狀及施肥提供技術支持，發揮信息智能處理技術優勢為農業生產服務。

1 農作物葉面顏色特征

本研究在適合的自然條件下，利用彩色數碼相機采集不同缺素癥狀的大豆植株的單葉圖像，如圖1所示。

大豆葉面數字圖像的顏色信息作為其營養診斷及生長發育的指標， 依據文獻[6]選擇機器視覺處理設備的RGB色彩系統和人眼視覺規律相似的HSI模型相結合，提取出大豆生長過程中單葉面圖像顏色空間的歸一化特征向量，如表1所示。

表1 顏色特征參數

2 基于支持向量機的缺素癥狀診斷方法

研究中將大豆葉面圖像的顏色特征作為最小二乘支持向量機的輸入向量，通過其高維特征空間實現大豆缺素癥狀的診斷。依據文獻[7]將最小二乘支持向量機的輸入向量非線性映射高維空間的求解凸優化問題，可以等效為如下表達式：

式中，ω為權值，c為懲罰因子，ε預測誤差，x為輸入，y為輸出，b為常數;引入Lagrange乘子αi，且選取徑向基核函數K（xi，yj），可確定最小二乘支持向量機的決策函數為：

式中，xj為高斯核函數的中心，σ為高斯核函數的寬度。

在自然環境下采集大豆葉面圖像40幅，各選擇20幅分別作為訓練樣本和診斷樣本，即大豆缺素癥狀正常、缺氮、缺鉀及缺磷4類樣本。采用二進制編碼的遺傳算法確定最小二乘最優組合參數，初始化：種群規模100，遺傳代數100，交叉概率0.8，變異概率0.2，設定參數c，σ∈[2-5，210]，其編碼長度各10位。通過實際問題中20幅大豆營養癥狀6個顏色特征因子，訓練獲取最優參數并建立大豆缺素癥狀診斷模型。利用訓練好的最小二乘支持向量機，對20幅大豆缺素癥狀圖像進行診斷，計算輸出值和期望輸出值的誤差很小，出現了2處錯誤，準確率達到90%因此，該方法是一種快速有效的大豆營養診斷模式分類方法。

3 結束語

文章給出了一種基于最小二乘支持向量機的農作物營養癥狀診斷方法，通過對大豆缺素癥狀葉面圖像資料處理和應用的結果表明，可作為提高農作物營養智能決策的新途徑。根據農作物葉面顏色指標結合機器視覺特性在RGB和HIS顏色空間中等諸多因素條件，運用數字圖像處理技術計算農作物葉面顏色特征;利用最小二乘支持向量機自動獲得營養診斷中各個顏色特征及影響因素在缺素癥狀推理規則中的非線性映射關系，在進行缺素癥狀診斷時避免了傳統的復雜回歸分析，可自動應用支持向量機訓練取得診斷規律。該方法實現了農作物營養自動智能診斷技術，為目前農作物生長健康狀況監測及合理施肥技術提供了理論基礎和技術支持。

參考文獻

[1]Lukina E， Stone M， Raun W. Estimating vegetation coverage in wheat using digital images[J].Plant Nutri， 1999，22（2）：341-350.

[2]曹敏，馬旭，姚亞利.圖像處理技術在農作物營養信息檢測中的研究展望[J].農機化研究，2005，27（5）：5-8.

[3]陳兵旗，郭學梅，李曉華.基于圖像處理的小麥病害診斷算法[J].農業機械學報，2009，40（12）：190-195.

[4]Adamsen F J， Coffelt T A， Nelson J M， et al. Method for using images from a color digital camera to estimate flower number[J]. Crop Science， 2000，40（3）：704-709.

[5]Gautam R K， Panigrahi S. Leaf nitrogen determination of corn plant using aerial images and artificial neural networks[J].Canadian Biosystems Enginering， 2007，49（7）：1-9.

[6]關海鷗，衣淑娟，焦峰，等.農作物缺素癥狀診斷的正則化模糊神經網絡模型[J].農業機械學報，2012，5：162-167+156.

[7]韓曉慧，杜松懷，蘇娟，等.基于參數優化的最小二乘支持向量機觸電電流檢測方法[J].農業工程學報，2014，30（23）：238-245.

作者簡介：關海鷗（1980-），男，黑龍江人，副教授，從事農業電氣化與自動化及相關領域研究及應用。

*通訊作者：黃燕（1970-），女，黑龍江佳木斯人，教授，從事農業工程及相關領域研究。