[发明专利]基于信度熵和BJS散度的冲突证据融合方法

说明书

本发明公开了一种基于信度熵和BJS散度的冲突证据融合方法，包括如下步骤：首先，获取杂草种类目标识别信息转换为证据信息，然后，通过融合证据的信度熵度量证据的不确定度，利用融合证据的BJS散度和支持度之间的关系构造证据的相对支持度，综合考虑融合证据的不确定度、相对支持度以及静态可信度对融合证据进行加权平均处理，得到加权平均证据，最后，采用Dempster组合规则对加权平均证据进行逐个融合，输出最终决策结果。本发明方案与传统算法相比，利用融合证据的信度熵有效度量不确定信息，通过证据的BJS散度有效度量证据BPA之间的相似度，利用信度熵和BJS散度共同确定融合证据的权重系数，实现智慧农业中杂草识别的快速、准确决策处理。

技术领域

本发明涉及多源信息融合技术领域，尤其涉及一种基于信度熵和BJS散度的冲突证据融合方法。

背景技术

我国是农业大国，农业生产中杂草肆虐是困扰农作物生长的基本问题之一。杂草对农业生产，生态环境，生物多样性等造成严重危害，不仅影响作物产量与品质还会传播病虫害，例如野燕麦是小麦赤霉病的野生寄主；紫花地丁是棉蚜的越冬寄主；小旋花是温室白粉虱的中间寄主。为提高农作物产量投入大量高效除草能力的化学除草剂，但在不能比较准确地确定杂草种类情况下，大部分化学除草剂没有被有效利用，不仅增加土壤对化学制剂的依赖性，还对环境保护与物种延续构成严重威胁，对我国农业的可持续性发展带来严峻挑战。国务院关于印发全国农业现代化规划(2016—2020年)的通知中强调要推进信息化与农业深度融合，加快实施“互联网+”现代农业行动，加强物联网、智能装备的推广应用。要实现高水平的设施农业生产和优化设施生物环境控制，信息获取手段是最重要的关键技术之一。作为现代信息技术三大基础(传感器技术、通信技术和计算机技术)的高度集成而形成的无线传感器网络(Wireless Sensor Network,WSN)是一种全新的信息获取和处理技术。

无线传感器网络是当前国际上备受关注、涉及多学科高度交叉、知识高度集中的前沿热点研究领域。无线传感器网络由大量传感器节点协作采集、感知和实时监测网络覆盖区域内监测目标的信息，经过本地传感器的分析处理之后，将本地处理后的数据发送到决策中心进行处理或判决，最终得到全局决策。无线传感器网络相对于单一传感器节点监测相比，具有增加系统的生存能力以及改善系统的可靠性，但其发展受到了节点能量供应、数据存储以及数据处理等诸多方面的限制和挑战。而决策级融合技术作为多源数据融合中最高层次的融合，能够利用有效的无线传感器网络资源，在智慧农业中具有极其重要的理论意义和应用价值。

Dempster-Shafer(D-S)证据理论作为一种对不确定性进行建模和推理的数学理论，以Dempster组合规则为核心，具有表达不完全信息以及主观不确定信息的能力，在不确定信息表示和融合方法等方面的独特优势，可以应用在智慧农业中的杂草识别、故障诊断、目标识别等领域。

现代化农业中多源异类传感器不断运用，信息来源繁杂，传感器提供的可靠度不尽相同。然而在实际应用中，由于光照变化、叶面遮挡等因素的影响，导致传感器在对植物根茎、叶面等特征观测信息中可能存在许多不完整、不确定信息，甚至出现冲突或相互矛盾的信息，使得多源不确定信息的高效融合成为当前一个亟待解决的难题。但Dempster组合规则在解决低置信度、高冲突证据融合时往往会产生与直觉相悖的结论，极大地影响了融合系统的决策性能，并在一定程度上制约了证据理论在信息融合领域中的应用。

发明内容

本发明的目的是提供一种基于信度熵和BJS(Belief Jenson-Shannon,BJS)散度的冲突证据融合方法，能够有效地对智慧农业中的杂草识别做出正确决策。

本发明采用的技术方案为：

基于信度熵和BJS散度的冲突证据融合方法，包括以下几个步骤：