[发明专利]基于深度受限玻尔兹曼机的害虫图像自动识别方法及系统

说明书

技术领域

本发明涉及智能农业以及模式识别技术领域，尤其是一种基于深度受限玻尔兹曼机的害虫图像自动识别方法及系统。

背景技术

害虫是农作物生长的大敌，在农作物整个生长期内都有发生，可造成农作物的大量减产。现行的害虫分类、识别工作主要依靠少数植保专家和农技人员来完成，然而害虫种类繁多，每一位植保专家穷其所能也只能识别部分害虫。越来越多的迹象表明，对害虫识别需求的增多与害虫识别专家的相对较少的矛盾已日益加剧，自动害虫图像的识别具有非常重要的意义，然而自动害虫图像的识别方法识别率低，鲁棒性较差，只存在实验阶段，寻求一种识别率高、鲁棒性强的害虫识别方法具有非常重要的意义。当今在模式识别领域，基于无监督的深度学习理论成为众多学者研究的热点，受限玻尔兹曼机算法是深度学习一种经典的算法，目前在模式识别领域应用广泛，在人脸识别和物体识别领域取得了非常好的效果。

发明内容

本发明的首要目的在于提供一种能够实现害虫图像的自动识别，且识别率高、鲁棒性强的基于深度受限玻尔兹曼机的害虫图像自动识别方法。

为实现上述目的，本发明采用了以下技术方案：一种基于深度受限玻尔兹曼机的害虫图像自动识别方法，该方法包括下列顺序的步骤：

(1)训练过程：对训练图像集的数据进行预处理，对经预处理的训练图像分组构建训练图像立方体，采用受限玻尔兹曼机算法提取每组训练图像的特征，经过反馈调节，得到训练后的训练图像集特征数据；

(2)测试过程：输入待识别的测试图像，对测试图像进行预处理，采用受限玻尔兹曼机算法提取测试图像特征，经过反馈调节，得到误差较小的测试图像的特征数据；

(3)识别害虫种类，给出预防方法：求出测试图像的特征数据与训练图像集特征数据的相似度，找出相似度最高的类别。

在训练过程中，所述对训练图像集的数据进行预处理包括以下步骤：

(1)统一训练集中的每幅训练图像的大小；

(2)将图像灰度化，并将灰度化后的图像进行灰度均衡化；

(3)使用高斯滤波算法进行去噪平滑处理。

在训练过程中，所述对训练图像分组构建训练图像立方体包括以下步骤：

(1)将训练图像分组；

(2)构建训练图像立方体，以x轴坐标表示一个小组内不同样本的编号，则x轴坐标为：1,2,3,4…100；以y轴坐标表示一个小组中特定一个样本的维度；以z轴坐标表示分组的个数。

所述受限玻尔兹曼机算法表达式为RBM(W,b,c,v₀)，其中W为RBM层与层之间的链接权值矩阵，b为RBM隐藏层的偏置，c为RBM输入层的编制，v₀是RBM训练样本集合中的一个样本；

(1)计算能量函数E(v,h|θ)：