[发明专利]一种基于图像识别与BP神经网络的病虫害识别系统

权利要求书

1.一种基于图像识别与BP神经网络的病虫害识别系统，其特征在于，包括病虫害图像采集模块(1)、病虫害图像处理模块(2)、病虫害图像的接收与储存模块(3)、病虫害图像的识别与处理模块(4)及反馈模块(5)。

2.根据权利要求1所述的一种基于图像识别与BP神经网络的病虫害识别系统，其特征在于，所述病虫害图像采集模块(1)包括拍摄终端(101)、压缩编码(102)及病虫害图像预处理操作(103)；

其中，所述拍摄终端(101)包括手机终端(104)、相机终端(105)及摄像机终端(106)；

其中，所述压缩编码(102)用于将拍摄终端(101)拍摄的病虫害图像进行初始化和进行一系列的参数设置及开始对病虫害图像完成编码。

3.根据权利要求2所述的一种基于图像识别与BP神经网络的病虫害识别系统，其特征在于，所述病虫害图像预处理操作(103)包括病虫害图像上传(107)、病虫害图像保存(108)、GPRS(109)及GPS(110)；

其中，所述GPRS(109)用于远距离的病虫害图像的传输；

其中，所述GPS(110)用于对病虫害出现区域进行定位。

4.根据权利要求1所述的一种基于图像识别与BP神经网络的病虫害识别系统，其特征在于，所述病虫害图像的识别与处理模块(4)包括病虫害图像的预处理(401)和采用BP神经网络算法对病虫害图像进行处理(402)；

其中，所述病虫害图像的预处理(401)包括以下步骤：

步骤1，将接收的病虫害的图像的分辨率、清晰度、像素进行调整；

步骤2，将接收不同大小的病虫害的图像进行归一化操作；

步骤3，将上述调整完成后的病虫害图像数据制作成LMDB格式；

其中，所述采用BP神经网络算法对病虫害图像进行处理(402)包括预处理(403)、初始处理(404)及输出处理(405)；

其中，所述预处理(403)用于对图像的特微进行提取，并用算法实现；

其中，所述初始处理(404)包括初始化(406)和初始输出(407)；

其中，所述输出处理(405)用于对逐层传递神经元中，出现误差时，进行反馈传递，并且，输出结果达不到预期输出时，神经元会反向传递，在反向传递的过程中，根据误差调整网络权值和阈值，以达到良好识别预测体系。

5.根据权利要求4所述的一种基于图像识别与BP神经网络的病虫害识别系统，其特征在于，所述预处理(403)包括以下步骤：

步骤1，对观测病虫害图像X进行预处理；

步骤2，独立分量的提取，寻找分离矩阵L，通过S＝LX实现独立分量的提取，并在提取独立分量的基础上加上步骤1中去掉观测信号的均值得到信号s，由中心极限定理可知若随机变量由多个互相独立的随机变量之和组成，若s的各独立随机变量具有有限的均值和差，则满足概率的分布的定义如下；

定义1：H(x)＝∫f(x)lgf(x)dx

其中，H(x)是概率密度为f(x)的随机变量x的信息熵；

定义2：J(x)＝H(bxgaussian)-H(x)

其中，H(bxgaussian)为与随机变量x具有相同方差的随机变量信息熵，J为白化矩阵，H(x)是概率密度为f(x)的随机变量x的信息熵；

由上述定义可得知，具有高斯分布的随机变量的负熵最小，且为零，由此提供一种简化算法如下：

J(x)∞[E{G(x)-E(x_gaussian)}]²

其中，E(.)为求均值运算，E为交接矩阵，J为白化矩阵，x_gaussian为随机变量，x为信息熵；

其中，G(.)可取数如下；

G₂(u)＝-exp(-u²/2)

且a₁为常量并满足1≤a₁≤2，通常情况下取a₁＝1，独立分量过程就是度量随机变量的非高斯度过程。