基于稀疏自編碼和SPSO-SVM的稻瘟病早期病害識別

蔡 娣,路 陽,林立媛,杜嬌嬌,管 闖

(1.黑龍江八一農墾大學 信息與電氣工程學院,黑龍江 大慶 163319；2.東北石油大學 黑龍江省網絡化與智能控制重點實驗室,黑龍江 大慶 163318)

0 引 言

水稻是我國第二大糧食作物。2019年水稻播種面積約為4.45億畝,占糧食種植面積的25.27%[1],水稻產量超過2億噸。但水稻病害對我國水稻高產和穩產造成重大威脅,其中稻瘟病是流行最廣、影響最大的病害之一。20世紀90年代開始,稻瘟病發生面積每年約為380萬畝[2],給種植戶造成巨大的損失。水稻稻瘟病分為：慢性、急性、褐點和白點型4種類型[2]。從目前水稻種植經驗可看出,水稻早期病害的防治極其容易被忽略,一方面是由于農民的防治意識和力度不夠,而另一方面是在病害發生初期,由于水稻葉片紋理復雜多變,差異性極難判斷,以及對初期病斑的診斷失誤都會引起后期大范圍的發病。若能及時發現水稻稻瘟病的早期病害并實施有針對性的措施,就可減少稻瘟病的發生。因此,準確識別水稻的早期稻瘟病具有重要的現實意義。

目前,水稻稻瘟病的早期識別主要依靠傳統的模式識別和數字圖像處理技術。這種傳統的識別方法主要包括圖像預處理,提取特征和識別病害3個關鍵步驟。首先通過主成分分析[3]等方法對原始圖像進行降維,然后通過數字圖像處理技術進行紋理、顏色和形狀等特征提取[4]。最后利用支持向量機等分類方法依據提取的特征進行分類識別[5]。

隨著人工智能技術的發展,Geoffery等[6]提出一種深度“自動編碼器”網絡用于學習高維數據的低維特征表達。……