基于群智能算法分類模型的番茄病害識(shí)別

閻園園， 陳 華， 姜 波

(新疆大學(xué)電氣工程學(xué)院，新疆烏魯木齊 830047)

針對作物病害的圖像處理技術(shù)研究及科技農(nóng)業(yè)發(fā)展給農(nóng)業(yè)生產(chǎn)帶來的巨大幫助。在1989年穗波信雄已經(jīng)提出，圖像分析技術(shù)與模式識(shí)別技術(shù)將成為診斷作物病害的研究發(fā)展趨勢[1-2]。作物病害在顏色、形狀、大小等一些外在特征上存在差異性，通過視覺可以直觀地獲取這些差異。如今在作物病害類型辨別方面，分類識(shí)別技術(shù)的研究已經(jīng)取得不錯(cuò)的成果。基于分類器的識(shí)別技術(shù)主要包括主成分分析(principal component analysis，簡稱PCA)、BP(back propogation)統(tǒng)計(jì)分類模型識(shí)別、粒子群優(yōu)化(particle swarm optimization，簡稱PSO)算法等。田有文等提取玉米和葡萄葉片的色度矩特征信息，選擇不同核函數(shù)對支持向量機(jī)(support vector machine，簡稱SVM)模型進(jìn)行訓(xùn)練，結(jié)果表明，當(dāng)樣本數(shù)量在幾十之間，徑向基函數(shù)(radial basis function，簡稱RBF)下的SVM分類器對病害分類效率較高，樣本集數(shù)量較大或作物種類發(fā)生變化時(shí)，該方法實(shí)用性降低[3-4]；張建華等用RBF-SVM模型對棉花病害進(jìn)行識(shí)別，將小波變換圖像在HIS(hue-saturation-intensity)顏色空間的特征值作為分類器的輸入，結(jié)果證明，RBF-SVM分類器的分類率達(dá)88%，為分類器最優(yōu)核函數(shù)的選擇提供了參考[5]；房俊龍等用BP算法識(shí)別番茄正常果實(shí)與變異果實(shí)，遺傳算法(genetil algorithm，簡稱GA)算法優(yōu)化BP網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)番茄果實(shí)病害圖像中的果實(shí)形狀、圓度值、色度等之間的差異，實(shí)現(xiàn)了對番茄空洞果實(shí)、變形果實(shí)的識(shí)別[6]。

本研究以番茄常見病害類型如早疫病、晚疫病、灰霉病為識(shí)別對象，在對3種病害分類識(shí)別過程中將病害的特征值作為群智能分類器的輸入信號(hào)。在樣本有效特征提取時(shí)，一般選擇作物顏色、形狀、紋理3個(gè)方面的特征參數(shù)作為研究參數(shù)，以番茄早疫病為例，提取早疫病這3方面的有效特征值，并計(jì)算均值與方差，包括RGB(red-green-blue)、HSV(hue-saturation-value)空間顏色通道的均值與方差、7個(gè)形狀不變矩、病斑周長、面積、形狀復(fù)雜性、矩形度、對比度、相關(guān)性、能量、熵的均值與方差共31個(gè)特征參數(shù)，晚疫病和灰霉病的特征參數(shù)提取方法同早疫病，分別對3種病害的31個(gè)特征參數(shù)選擇不同分類模型進(jìn)行訓(xùn)練，檢驗(yàn)不同分類器的分類效果。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)材料來自中糧新疆屯河吉木薩爾番茄產(chǎn)業(yè)種植基地，由新疆大學(xué)-中糧屯河產(chǎn)學(xué)研聯(lián)合培養(yǎng)研究生示范基地提供。采用MATLAB Version 8.0(R2012b)對數(shù)據(jù)進(jìn)行分析，圖片處理工具選擇(Image Processing Toolbox)Version 8.1(R2012b)以及IBM SPSS Statistics 25.0。

1.2 試驗(yàn)方法

1.2.1 PCA方法 PCA方法是一種用較少變量代替原樣本中較多變量的線性變換方式，變換后的較少變量被稱作新變量，新變量在一定程度上包含原變量較多信息量，又稱降維。降維后的新變量之間保持線性互不相關(guān)，并且變量之間滿足正交特性[7]。PCA方法的新變量自動(dòng)按照Var(Fm)由大到小從高維空間映射。假設(shè)樣本有p個(gè)特征，分別為X1,X2,…,Xp，將p個(gè)特征的綜合反映記作Fm，F(xiàn)1代表原變量第1個(gè)主成分綜合指標(biāo)，即F1=a11X1+a21X2+…+ap1Xp，方差Var(Fm)的大小代表主成分包含信息量的多少。以此類推構(gòu)造F1,F2,…,Fm為原變量指標(biāo)下X1,X2,…,Xp第1、第2、…、第m個(gè)主成分表達(dá)如下：

F1=a11X1+a12X2+…+a1pXp；
F2=a21X1+a22X2+…+a2pXp；
?
Fm=am1X1+am2X2+…+ampXp。

(1)

對樣本的31個(gè)特征參數(shù)值進(jìn)行PCA降維，根據(jù)主成分貢獻(xiàn)率的大小，通常選擇主成分累積貢獻(xiàn)率大于85%的成分作為樣本數(shù)據(jù)集的研究依據(jù)，若貢獻(xiàn)率太小則不足以顯示樣本信息，會(huì)對樣本分類造成影響。以早疫病為例共采集30個(gè)樣本，每個(gè)樣本提取31個(gè)特征參數(shù)，其他病害成分分析及降維方法同早疫病，早疫病樣本的PCA降維分析結(jié)果和主成分貢獻(xiàn)率分別如圖1、表1所示。

由圖1可知，成分1～7的特征值變化較快，第8個(gè)成分之后變化平緩，7個(gè)成分的累積貢獻(xiàn)率達(dá)到86.077%，所以把前7個(gè)成分作為樣本的主成分，成分因子不受影響。通過不斷改變樣本數(shù)量分析發(fā)現(xiàn)，對樣本特征參數(shù)以及主成分?jǐn)?shù)進(jìn)行PCA降維不會(huì)導(dǎo)致成分因子變化，以7個(gè)主成分中的31個(gè)成分因子作為SVM算法的輸入，建立PCA-SVM的番茄病害分類模型。

1.2.2 PCA-SVM分類模型參數(shù)分析 SVM是一種分類建模的方法，在樣本容量小、數(shù)據(jù)非線性、數(shù)據(jù)緯度較高的特征空間被經(jīng)常用到，算法的關(guān)鍵是核函數(shù)的選擇，核函數(shù)在高維特征數(shù)據(jù)空間獲得分類函數(shù)相對比較容易，本研究選擇核函數(shù)RBF作為分類函數(shù)，公式如下[8]：

表1 番茄早疫病樣本數(shù)據(jù)7個(gè)主成分的累計(jì)貢獻(xiàn)率

(2)

核函數(shù)RBF中σ2(核函數(shù)參數(shù))與γ(懲罰系數(shù))參數(shù)的選擇最重要，最終參數(shù)的確定要經(jīng)過不斷調(diào)試。核函數(shù)參數(shù)σ與γ的取值范圍通常在10-3～105之間[9]。在PCA-SVM分類模型中，以30個(gè)早疫病樣本為訓(xùn)練樣本，對優(yōu)化后的樣本特征向量進(jìn)行訓(xùn)練，另外建立30個(gè)早疫病測試樣本，樣本分類訓(xùn)練模型結(jié)果見圖2，可以看出60個(gè)樣本在基于核函數(shù)RBF的PCA-SVM分類器下的分類效果，早疫病與非早疫病分類中有1個(gè)樣本被錯(cuò)分，早疫病的識(shí)別率達(dá)到96.7%。

對測試樣本識(shí)別時(shí)考慮到樣本集數(shù)量可能會(huì)對識(shí)別率造成影響，試驗(yàn)中不斷改變病害樣本集數(shù)量，比較不同數(shù)量樣本集下PCA-SVM模型的識(shí)別率，進(jìn)而判斷模型是否具有可行性，不同數(shù)量樣本集下PCA-SVM模型對3種病害類型的識(shí)別結(jié)果如表2所示。

表2 PCA-SVM模型下的早疫病及番茄其他病害識(shí)別結(jié)果

1.2.3 PCA-SVM分類模型分類結(jié)果分析 表2顯示，樣本數(shù)為30～50個(gè)時(shí)，PCA-SVM模型對測試集的病害識(shí)別率全部達(dá)到90%及以上，尤其當(dāng)早疫病測試集樣本數(shù)為20個(gè)時(shí)，識(shí)別率達(dá)到100%，隨著樣本量的增加，早疫病識(shí)別效率相應(yīng)降低，早疫病訓(xùn)練樣本量為60個(gè)時(shí)，測試集的識(shí)別率僅為88%，結(jié)果表明，識(shí)別率大小受樣本集大小影響，也證實(shí)PCA方法對樣本數(shù)量有一定要求，在灰霉病訓(xùn)練樣本數(shù)為60個(gè)時(shí)，測試集的識(shí)別率僅為80%，這種情況下要尋找新的分類模型解決大樣本下的識(shí)別率問題。

1.3 遺傳算法

遺傳算法以種群為基準(zhǔn)，通過計(jì)算隱藏在種群中的解集來描述實(shí)質(zhì)性的問題，每個(gè)個(gè)體的染色體攜帶特征不同，導(dǎo)致個(gè)體之間存在差異，多個(gè)個(gè)體之間的差異性組成一個(gè)個(gè)體種群，解集計(jì)算就是對種群適應(yīng)度、交叉概率(Pc)、變異概率(Pm)等參數(shù)的選擇，通常在算法執(zhí)行過程中要對個(gè)體進(jìn)行編碼產(chǎn)生新個(gè)體，通過不同方式的交叉、變異產(chǎn)生不同的Pc、Pm，選擇子代中適應(yīng)度最大的個(gè)體替代父代中適應(yīng)度最小的個(gè)體，稱作迭代尋優(yōu)[10-11]。目前GA參數(shù)取值有一定的范圍，種群大小在20～100個(gè)之間，Pc為0.40～0.99，Pm為0.001～0.100。分類器的輸入同樣是樣本數(shù)據(jù)的特征參數(shù)，但分類模型中的輸入信號(hào)為原始特征參數(shù)，不用對數(shù)據(jù)降維，這是GA-SVM模型與PCA-SVM模型的不同之處，這既保留了原始信息，又能夠自動(dòng)定參。

1.3.1 GA-SVM分類模型的參數(shù)分析

1.3.1.1 種群大小(M) 根據(jù)試驗(yàn)要求及樣本對結(jié)果的影響程度決定初始種群大小(M)，數(shù)目較大時(shí)，隱藏解的信息量相對較大，樣本集的全局最優(yōu)解相對更容易獲得，運(yùn)行時(shí)間要比小種群運(yùn)行時(shí)間長。

1.3.1.2 交叉概率(Pc)Pc是個(gè)體之間交叉獲得新個(gè)體的概率，其中個(gè)體自身作為父代，新個(gè)體稱作子代，交叉方式有單點(diǎn)、多點(diǎn)、兩點(diǎn)、洗牌等。Pc高低決定算法收斂速度，一般選擇較大的Pc，本研究選擇單點(diǎn)交叉方式，該方法簡單計(jì)算量小[12]。

1.3.1.3 變異概率 新個(gè)體的產(chǎn)生在交叉過程中出現(xiàn)變異個(gè)體，這種個(gè)體的產(chǎn)生導(dǎo)致樣本多樣性，所以Pm大小決定樣本的穩(wěn)定性，通常選擇Pm最小數(shù)值來減少對種群大小和Pc的影響。

1.3.1.4 進(jìn)化代數(shù) 進(jìn)化代數(shù)(Gm)反映樣本尋找最優(yōu)解的次數(shù)，Gm越大迭代時(shí)間越長，最優(yōu)解獲得時(shí)間也相對較長，Gm通常在100～500代范圍內(nèi)[13]。

為更快獲得參數(shù)之間的關(guān)系來提高尋優(yōu)效率，本研究引入常見的尋優(yōu)函數(shù)De Jong函數(shù)，由De Jong函數(shù)確定參數(shù)之間的最優(yōu)組合，對De Jong函數(shù)參數(shù)確定選用旋轉(zhuǎn)正交變換法，該方法可以提高參數(shù)搜索速度。分類模型算法流程如下[13]：首先編碼SVM中r與σ2；對樣本數(shù)據(jù)即種群進(jìn)行初始化，讓樣本隨機(jī)產(chǎn)生1組個(gè)體；輸入種群個(gè)體參數(shù)值作為SVM的輸入?yún)?shù)，數(shù)據(jù)樣本集對模型進(jìn)行訓(xùn)練；通過計(jì)算樣本數(shù)據(jù)集正確分類數(shù)與樣本集總量的比值獲得適應(yīng)度；根據(jù)適應(yīng)度大小用輪盤賭法對樣本子代個(gè)體進(jìn)行選擇；重復(fù)上述操作完成GA的訓(xùn)練。GA-SVM分類模型在不同參數(shù)下分類結(jié)果如表3所示。

表3 GA-SVM分類器在不同參數(shù)指標(biāo)下的分類效果

1.3.2 GA-SVM分類器分類結(jié)果分析 由表3可知，測試組第5組在GA-SVM分類器中的分類效果最好，3種病害識(shí)別率平均值達(dá)到96.67%，此時(shí)M=40，樣本數(shù)=40，Pc=0.6，pm=0.001，早疫病識(shí)別率達(dá)到100%，灰霉病識(shí)別率 97.5%，晚疫病識(shí)別率為92.5%；當(dāng)M=80，樣本量=60，Pc=0.8，Pm=0.01時(shí)，分類器平均識(shí)別率最低，早疫病僅識(shí)別出52個(gè)，總體上講Pm越小，樣本量在30～60個(gè)之間識(shí)別率越高。就樣本量而言，GA-SVM模型比PCA-SVM模型對樣本量識(shí)別范圍大。

1.4 粒子群算法

為考察遺傳算法中的交叉變異計(jì)算是否會(huì)對分類器參數(shù)產(chǎn)生影響，選擇經(jīng)PSO算法優(yōu)化的參數(shù)作為分類器的輸入來驗(yàn)證交叉變異的影響。PSO算法擺脫了智能算法中的交叉、變異、進(jìn)化等算子操作，將種群個(gè)體看作一個(gè)粒子，每個(gè)粒子都有對應(yīng)的適應(yīng)度值，用粒子每一速度下的個(gè)體最佳極值和整個(gè)群體的最佳極值進(jìn)行比較，或選擇種群中一部分粒子的最佳極值進(jìn)行比較。當(dāng)粒子適應(yīng)度值大于全局極值時(shí)，用適應(yīng)度值代替全局極值，在優(yōu)化過程中粒子速度、位置不斷變化，但都是朝著粒子最優(yōu)解和全局最優(yōu)解的位置搜索。粒子群算法在尋優(yōu)過程中減少了交叉、變異計(jì)算，相應(yīng)的運(yùn)算時(shí)間較短。

1.4.1 PSO-SVM分類模型參數(shù)分析 PSO算法也會(huì)受到參數(shù)大小的影響，例如慣性權(quán)重(ω)、群體規(guī)模(m)、學(xué)習(xí)因子(c1、c2)、種群結(jié)束條件、最大速度(vmax)等。粒子群算法中有2個(gè)學(xué)習(xí)因子——認(rèn)知學(xué)習(xí)因子和社會(huì)學(xué)習(xí)因子，學(xué)習(xí)因子能夠加速算法收斂性以及提高粒子搜索能力，兩者取值一般在 0～4 之間，通常學(xué)習(xí)因子與ω之間存在一定關(guān)系，c1參數(shù)取值一般為1.494、2.000、2.050、2.800；c2為1.300、1.494、2.000、2.050。ω在PSO算法中主要來決定粒子的局部搜索能力和全局搜索能力，Eberhart等對ω范圍作出總結(jié)，在0.9～1.2之間時(shí)算法的優(yōu)化效果和搜索能力顯著提高。粒子群訓(xùn)練結(jié)束后，把種群中具有最大適應(yīng)度函數(shù)值的r和σ2作為支持向量機(jī)模型的最優(yōu)參數(shù)來完成模型搭建。

1.4.1.1 粒子初始化 假設(shè)種群大小用Z={Z1,Z2,…,Zm}表示，其中m為粒子數(shù)大小，粒子大小用來確定SVM算法中參數(shù)的可行解，r的取值在0～1 000 之間，σ2=[0，1]。

例如，在D維的目標(biāo)空間，粒子數(shù)為N個(gè)的一個(gè)群體中，假設(shè)其中的一個(gè)粒子記作i，它的D維向量表示為Xi=(xi1,xi2,…,xiD)，i=1,2,…,N，該粒子的速度也是一個(gè)D維的向量，記作Vi=(vi1,vi2,…，viD)，i=1,2,…,N，粒子搜索到的最優(yōu)位置也稱作個(gè)體的極值，記作pbest=(pi1,pi2,…,piD)，i=1,2,…,N，整個(gè)粒子群搜索到最優(yōu)位置，即全局極值的表達(dá)式為gbest=(pg1,pg2,…,pgD)，在找到這2個(gè)最優(yōu)值的過程中，粒子會(huì)根據(jù)以下公式來時(shí)刻更新自己的速度和位置[15-16]：

vid=ω×vid+c1r1(pid-xid)+c2r2(pgd-xid)；

(3)

xid(t+1)=xid(t)+vid。

(4)

式中：t表示時(shí)間。vid∈[-vmax,vmax]，vmax是常數(shù)，根據(jù)需求設(shè)定，用來限制粒子的速度，r1和r2大小則是介于0～1之間的隨機(jī)數(shù)。

1.4.1.2 適應(yīng)度函數(shù)的選擇 粒子群算法的適應(yīng)度函數(shù)確定方式與GA適應(yīng)度函數(shù)選擇方式相同，都是測試樣本中正確分類個(gè)數(shù)(ano)與測試樣本總數(shù)(tno)的比值，記作f1=ano/tno。

1.4.1.3 粒子群更新 按照公式(3)、(4)找到個(gè)體極值與全局極值時(shí)，粒子會(huì)按照以上公式更新位置與速度，每1個(gè)粒子在尋優(yōu)的過程中都會(huì)自動(dòng)尋找2個(gè)極值。

1.4.2 PSO-SVM分類器在不同參數(shù)下的分類結(jié)果分析 PSO算法中粒子的位置和速度受參數(shù)影響較大，以ω、c1、c2、群體規(guī)模作為研究參數(shù)，用“1.3.1”節(jié)中的正交變換法對不同參數(shù)下的模型進(jìn)行驗(yàn)證，尋找參數(shù)與分類模型識(shí)別率之間的關(guān)系，正交試驗(yàn)法中的參數(shù)選擇4個(gè)，按照正交規(guī)則一共要產(chǎn)生42個(gè)試驗(yàn)組，從中選擇最佳參數(shù)組合建立PSO-SVM分類模型，正交試驗(yàn)下PSO參數(shù)及 PSO-SVM 分類模型對病害分類結(jié)果如表4所示。由表4可以看出，測試組7中的平均識(shí)別率達(dá)到96.67%，樣本量=40，種群規(guī)模=35，c1=2.05，c2=2.00；相對樣本量較大的測試組12、16，學(xué)習(xí)因子對識(shí)別率的影響效果不明顯，而樣本量和種群規(guī)模對識(shí)別率的影響較大，相對于前2種分類模型PSO-SVM分類模型在樣本量為30～40個(gè)，種群規(guī)模在25～35個(gè)之間時(shí)，平均識(shí)別率普遍在90%以上。說明參數(shù)對識(shí)別率的影響較大，要想獲得更高的識(shí)別率要不斷尋找最優(yōu)參數(shù)。較大的c1、c2對識(shí)別率影響也較大，16組試驗(yàn)中2個(gè)因子較大的試驗(yàn)組平均識(shí)別率普遍偏高。

2 試驗(yàn)分析

為驗(yàn)證PCA-SVM分類模型的分類效果，增加對比試驗(yàn)，其中試驗(yàn)樣本以及試驗(yàn)樣本數(shù)據(jù)特征均來自PCA-SVM試驗(yàn)，2組對比試驗(yàn)?zāi)Ｐ头謩e為 GA-SVM 群智能分類模型、PSO-SVM群智能分類模型。根據(jù)3個(gè)分類器模型在不同參數(shù)下的分類效果，保留識(shí)別率大于90%的試驗(yàn)組作為評判分類模型性能的指標(biāo)，對目標(biāo)試驗(yàn)組數(shù)的認(rèn)別率分別求平均值，綜合比較3種分類模型分別對番茄早疫病、晚疫病、灰霉病識(shí)別效果，不同分類模型的分類試驗(yàn)分析結(jié)果如表5所示。

表4 正交試驗(yàn)下PSO參數(shù)及番茄病害分類結(jié)果

表5 不同分類模型試驗(yàn)分析結(jié)果

3 結(jié)論

綜上所述，在3種分類模型中，總體上PSO-SVM分類模型的分類效果最好，但在PCA-SVM模型中，早疫病和晚疫病在3種分類模型中識(shí)別率最高，而該模型對灰霉病的識(shí)別效果相對略差一些；在PSO-SVM分類模型中，灰霉病的識(shí)別率在3種分類模型中最高，達(dá)到93.87%，從平均值來看，3種分類模型中PCA-SVM識(shí)別率最高，這也證明了作物識(shí)別模型不具普遍適用性的特點(diǎn)。