基于卷積神經網絡的農作物圖像識別方法研究

（廣東白云學院,廣東 廣州 510000）

隨著數字圖像處理和計算機視覺的發展，圖片搜索引擎成為當今信息檢索的必備功能。圖像識別成為圖片搜索引擎中最具有代表性的技術之一。圖像識別作為一種數據挖掘技術，通過計算機處理、分析和理解圖像的相關信息，能夠把模式不相同的目標和對象分類[1]。尤其是在智能農業方面，把計算機視覺和圖像處理技術相結合對農作物葉片識別分類的研究工作已慢慢滲透到實際應用中，為以后實現田間精耕細作奠定基礎。近幾年，全球的專家和學者對植物葉片圖像的識別分類做了深入研究和大量的工作。2000年以前，Guyer等人采用植物葉片形狀特征的方法進行識別[2]。2000年，Oide和Ninomiya[3]對大豆葉片進行識別，把形狀特征參數用于Hopfield網絡的輸入。2007年，Ling等人[4]利用輪廓內最小距離改進葉片的形狀，利用動態規劃法對葉片形狀進行匹配。2007年，Felzenszwalb等人[5]為了更好地描述葉片的全局形狀與局部紋理，提出一個分層的形狀樹模型作為形狀描述子，獲得了很好的分類結果。2013年閻慶等人通過超綠特征去除田間復雜背景的影響，利用形態學方法進行閾值分割，將圖片內綠色植物區域作為待判別雜草或作物的識別對象，采用基于Fisher投影的監督LLE方法降低圖片內的灰度特征的維度，使用支持向量機方法完成雜草的識別工作[6]。2016年，馬曉丹等人針對大豆葉部病害性狀特征與病種之間的模糊性和不確定性，提出了基于改進級聯神經網絡的大豆病害診斷模型，實現了大豆葉部病害的高效自動診斷和精確測報[7]。

本文采用兩種識別圖像的方法，一種是通過提取多種特征，使用BP神經網絡等識別算法對玉米、大豆和水稻圖像進行識別；另一種是使用卷積神經網絡算法直接對原始圖像進行自動特征學習與識別分類，避免了以往圖像識別分類方法中煩瑣的圖像與處理和特征提取過程。

1 數據的獲取

1.1 圖像預處理

在黑龍江八一農墾大學試驗田中使用SONY DSCW350D型號相機采集玉米、大豆、水稻的幼苗期圖像各300幅，將拍攝好的圖像導入實驗室的計算機，操作系統是windows7，所用軟件為MATLAB7，采用jpg格式進行保存。為了減少計算量將圖像裁剪成131×86（用于提取特征）和32×32（用于直接圖像識別）兩種。分別對兩種不同尺寸的圖像進行灰度化、直方圖均衡化，然后完成圖片的中值濾波，降低圖片的噪聲。

1.2 圖像分割

為了去除圖片的背景影響，本實驗采用K-means算法[8]對圖像進行分割。從n個數據中選取k個對象作為初始聚類中心，再根據和初始聚類中心的相似度把剩下的對象歸類到和它最相似的聚類中，接下來求得每一個新聚類的中心，直到標準測度函數開始收斂結束，重復聚類2次，將圖片分成兩個區域，消除圖像的背景噪聲，最后顯示完成分割的各個區域。分割圖像如圖1所示。

圖1 K-mean聚類算法分割后的對比圖像

1.3 特征提取

本研究依次獲取了顏色、形狀、紋理以及內在低維流形特征，共個22特征參數。選用Hu矩提取圖像的形狀特征，通過二階和三階歸一化中心矩組成7個不變矩，計算出關于葉片圖像區域的7個面積歸一化中心矩；采用HSV模型，通過轉化圖片的顏色空間來消除拍攝亮度的影響，非均勻量化每個顏色分量，使用顏色直方圖計算出圖像的均值、方差、能量等三個參數；灰度共生矩陣作為像素距離和角度的矩陣函數，采用分析圖片內一定距離與方向的兩點灰度之間的關聯程度，體現圖片在方向、間隔、變化幅度等方面的情況。本文利用灰度共生矩陣提取圖像的能量、信息熵、慣性矩、相關性和局部穩定性等紋理特征；選用LLE[9]降維算法作為本研究提取圖像的內在低維流形特征的方法，尋找每個樣本的緊鄰點個數，然后求得樣本點的局部重建權值矩陣，再依據樣本局部重建權值矩陣及近鄰點計算出樣本的輸出。本研究把圖像的數據降至3維，近鄰點數量設置為5。

2 算法描述

2.1 卷積神經網絡介紹

1980年Kunihiko Fukushima[10]提出了CNN的前身——neocognitron，它是一個把人工神經網絡與深度學習技術相融合的深層神經網絡模型。卷積神經網絡由卷積層與下采樣層交替構成，它具備局部感受區域、層次結構化、特征提取以及識別過程相結合的全局訓練的特性，這種算法在有效減少計算時間的同時還建立了具有不變形的空間結構[11]。它的識別是一個前向傳播過程，輸入的圖像在模型中進行層層映射，圖像的映射方式由卷積核的大小和下采樣的方式決定，最終實現圖像的深度表示。上一層的網絡輸出結果作為下一層的網絡輸入，采用激活函數依次傳遞，然后使用增加的非線性得出目標函數的近似結構，得到更好的特性表征。整個網絡實際輸出的計算公式如下：

當前層的輸出可表示為

上述中，l表示網絡層的數量，W表示完成訓練這一網絡層的映射權值矩陣，b表示當前網絡的加性偏置，f表示激活函數，做完卷積映射后激活函數調整結束卷積的輸出結果，本實驗選用的激活函數為sigmoid函數。

和傳統的BP神經網絡相比，卷積神經網絡最明顯的不同不僅僅是它本身的深度網絡結構，還包括它利用局部感受野以及權值共享的方法使結構中的相關參數減少。其中局部感受野是指不同種卷積核僅僅卷積圖像中的某個指定區域，然后在采樣層內將卷積特征關聯起來，不僅體現圖像中像素在空間上的相關程度，而且減少了卷積參數的個數。而權值共享是利用增多同一權值的不同卷積核種類實現提取多種特征的目的。

2.2 CNN框架

CNN框架由多個卷積層和子采樣層組成。C代表是卷積層，還叫特征提取層，不同神經元的輸入連接上一層的局部感受野[12]，同時獲得上一層局部的特征信息，確定它與其他特征之間位置上的相關程度。C層中有多個不相同的二維特征圖用來獲取多種特征，整個過程中，同一特征圖采用的卷積核大小是一樣的，也是共享的，不相同的特征圖采用不同的卷積核。C層保存不同的局部特征，獲取出具有旋轉和平移不變性特點的特征參數。S代表子采樣層，它主要把C層獲得的特征池化，令它具備縮放不變性。S層進行縮放映射時準備訓練的神經元數量少，計算容易。在CNN的最后一層通常和幾個全連接層相連，最后類別數是輸出節點數量，訓練就是為了令CNN的輸出與原始標簽盡可能一致。

CNN中卷積層和采樣層都由很多map構成，每個map中有很多個神經元，同一map的全部神經元可以用同一卷積核，表示一種特征。它是用一個固定大小的權重矩陣在圖像上匹配而不是去計算一個卷積，此操作與卷積相似，故稱為卷積神經網絡。BP神經網絡在某種程度上也能看作一種特殊的卷積神經網絡，而且卷積核能夠作為感知區域中每層的全部權重。權重共享既降低了訓練的參數數量，又能夠令完成訓練網絡模型具有較強的泛化性。采樣是為了混淆特征的詳細位置，即使圖片發生變形或者扭曲也能夠很好地對其進行識別。CNN對網絡中的對象具備較強的魯棒性。CNN通常將卷積層和采樣層交替設置，卷積層通過將獲得的特征組合成新的特征，完成圖像特征描述工作，CNN也能夠與BP神經網絡相同的全連接層相連。

2.3 CNN在本研究中的應用

植物葉片識別分類的研究歷經長時間的探索，也獲得了一定的成績，然而仍然存在著一些問題。傳統的識別方法還是從輸入的葉片圖像中計算出人為設置的特征，然后通過識別算法對圖像進行分類。識別效果好壞很大程度上取決于人為選擇的特征是否合理，目前采用人為設置的特征進行識別也能夠得到不錯的識別精度，然而前期預處理和獲取特征過程過于煩瑣。針對這一問題，本研究采用一種針對二維圖像設計的可以自動獲取圖像特征的卷積神經網絡對圖片進行識別分類。本研究的CNN由輸入層、卷積層、采樣層以及輸出層組成，輸入層僅有一個輸出向量，向量與圖片的尺寸相同，是32*32的矩陣；CNN通常由卷積層與采樣層構成，卷積層用于獲取特征，然后合成更加抽象的特征，來對圖像完成描述。卷積核大小為5*5，在圖片上逐個移動，每次移動一步。采樣層是對上一層map的一個池化處理，采用2*2小區域的均值，最后CNN后面跟著一個全連接層。

3 實驗與分析

3.1 卷積神經網絡識別

3.1.1 圖片識別

將裁剪好的32×32彩色圖片灰度化，用于CNN的輸入。本研究采用的卷積神經網絡框架是由兩個卷積層（C）和兩個采樣層（S）交替組成，C1層是特征提取層，使用5×5的卷積核獲得6個28×28二維特征圖；S1層是子采樣層，獲得6個14×14特征圖，每個子采樣層的縮放因子設置為2；C2層也是一個特征提取層，與C1層相似，但是也有不同。C2層使用的卷積核大小也是5×5，獲得的特征圖尺寸是10×10，但是C2的特征圖是12個；S2層也是子采樣層。輸出層作為全連接層，都與輸出神經元相連，共有3個神經元（即圖片種類數目），形成900個連接。初始化網絡，將用于訓練的數據分批然后調用，設置批訓練中樣本數量以及迭代次數，驗證模型準確率。

3.1.2 特征識別

本研究獲取顏色、形狀、紋理以及內在流形特征共22個，將特征參數組成特征向量作為BP神經網絡和Elman神經網絡的輸入。在每種農作物的圖像集內隨機抽取250幅作為訓練樣本，50幅作為測試樣本。采用三層BP神經網絡，輸入節點數量為22，輸出節點數量為3。訓練和輸出分為三類，大豆的值為1，水稻的值為2，玉米的值為3。應用newelm函數可以構建三層Elman網絡，隱含層函數通常應用tansig傳遞函數，輸出層通常是purelin傳遞函數。

3.2 卷積神經網絡優化

圖2 批訓練樣本數不同對比圖像

表1 不同神經網絡算法對圖像的識別率

本研究使用CNN對圖像進行識別，多次試驗發現批訓練樣本數和迭代次數對正識率有較大的影響。因此，采用分組的方式進行訓練，依次在迭代30次、50次、80次、100次、200次的情況下，每組分別取10張和50張圖像，得到測試后的錯誤率。

由圖可知，CNN的批訓練樣本數越少，圖像的正識率越高；迭代次數越多錯誤率收斂識別精度越高，相應迭代次數越多時間越長，所以在相對高效的情況下選取迭代次數。當批訓練樣本數為10，迭代次數為200時，卷積神經網絡的正識率高達100%。

3.3 實現結果與分析

為了探究哪一種神經網絡算法更適合作為三種農作物葉片的識別方法，本研究采用卷積神經網絡對圖像直接進行識別，BP神經網絡和Elman神經網絡對提取的特征向量進行識別，得到的識別率如表1所示。

從表1可知，當批訓練樣本數為10，迭代次數為100時，卷積神經網絡的識別效果最好，正識率為100%，明顯高于BP神經網絡和Elman神經網絡的識別率。同時，在使用卷積神經網絡進行圖像識別時，特征檢測層利用訓練數據隱式地進行學習，因為每個特征映射面上的神經元權值一致，因此它能夠同時學習。CNN的布局比較接近實際的生物神經網絡，所以它的局部權值共享的獨特結構在機器視覺領域具有一定的優勢，權值共享也降低了網絡的復雜程度。卷積神經網絡不僅識別精度高，而且它可以將圖片用于網絡的輸入，減少了一般識別分類方法中煩瑣的預處理和特征提取流程。

4 結論

本文提出一種可以直接對灰度圖像進行識別分類的方法。傳統的神經網絡識別算法要人為地選擇并提取從葉片圖像中的特征，然后再對圖像識別，這種做法過程煩瑣且數據冗余度高，識別準確度卻不高，具有一定的盲目性。和傳統的神經網絡相比，卷積神經網絡不僅識別效果好，而且將圖像直接用于網絡的輸入，不必再進行煩瑣的特征提取和識別流程中數據重建，提高了效率。卷積神經網絡的圖像正識率高達100%，適合避免了作為本實驗圖像分類的識別算法，具有一定的推廣價值。