买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明公开了一种基于进化PU学习的农田杂草智能识别方法，包括：1：收集有标签样本与无标签样本的农作物图像数据，提取并归一化植物的属性特征，构建数据集；2：构建农作物图像数据样本的标签预测模型；3：通过基于二元竞争策略为训练集构建主种群和辅助种群，并设定其状态；4：进化多任务优化方法迭代优化提高模型性能；5：在进化过程中逐步更新种群状态；6：最终从种群中选取最优的个体，作为最终的分类器，用于从目标农作物图像筛选出杂草。本发明克服无标签样本对杂草识别的局限性，从而能提高杂草识别的准确性和效率，以实现更科学、高效的农田智能喷药作业。

主权项：1.一种基于进化PU学习的农田杂草智能识别方法，其特征在于，是按如下步骤进行：步骤1：采集有标签与无标签的农作物图像数据，并提取农作物图像数据中的植物属性特征后进行标准归一化处理，从而得到农作物图像样本集，记为，其中，表示第株农作物图像样本，是一个维属性特征向量，表示第株农作物图像样本中第个属性特征；将中有标签的农作物图像样本集记为，的标签记为，表示第个有标签的农作物图像样本，表示的标签；将中无标签的农作物图像样本集记为，表示第个无标签的农作物图像样本；且，,，=1，表示的类别为农作物，=-1表示的类别为杂草；步骤2：初始化；步骤2.1：定义当前迭代次数为，最大迭代次数为，并初始化；步骤2.2：利用欧氏距离公式计算中任意两个农作物图像样本的属性特征之间的有标签相似度量值，从而得到若干个有标签相似度量值并输入一个子分类器中进行训练，得到训练后的有标签农作物子分类器；将训练后的有标签农作物子分类器作为一个原始个体，从而由个原始个体组成第代原始种群，其中，表示第代原始种群中第个原始个体；步骤2.3：利用欧氏距离公式计算中任意一个农作物图像样本的属性特征和中任意一个农作物图像样本的属性特征之间的相似度量值，从而得到若干个相似度量值并输入另一个子分类器中进行训练，得到训练后的农作物子分类器；将训练后的农作物子分类器作为一个辅助个体，从而由个辅助个体组成第代辅助种群；其中，表示第代辅助种群中第个辅助个体；步骤3：利用进化多任务优化算法求解农作物图像预测模型；步骤3.1：利用式1建立农作物图像预测模型的第一目标函数真正例率： 1式1中，TP是中被正确预测类别的图像样本数，FN是中被错误预测类别的图像样本数；步骤3.2：利用式2建立农作物图像预测模型的第二目标函数： 2式2，和是无标签农作物图像样本集中被预测为农作物类别的图像样本集和被预测为杂草类别的图像样本集，且，表示的数量，表示的数量，和分别表示在中第个被预测为杂草类别的图像样本和第个被预测为农作物类别的图像样本，代表分类函数，是指示器函数，如果，则令，否则，令；步骤3.3：利用式3建立农作物图像预测模型的目标函数： 3步骤3.4：根据式3计算第代原始种群和辅助种群中每个个体的目标函数值；步骤3.5：对和分别进行交配池选择，得到第代原始父代和第代辅助父代；步骤3.6：产生子代：利用NSGA-Ⅱ算法中的遗传算子分别对和中的每个个体进行处理，以相应产生大小为的第g代子代种群和第代辅助子代种群；步骤3.7：将与合并，将与合并，再分别对合并的两个种群进行环境选择，得到第代原始种群和第代辅助种群；步骤3.8：获取种群知识：步骤3.8.1：若时，对代原始种群进行非支配等级排序，并选择最高非支配等级中所有个体，再采用基于投票的集成方法对最高非支配等级中所有个体进行处理，得到第代原始知识引导向量，否则，将赋值给，并返回步骤3.4；为所设定的迭代阈值；步骤3.8.2：按照步骤3.8.1的过程对代辅助种群进行处理，得到第代辅助知识引导向量；步骤3.9：种群间的双向知识转移机制：步骤3.9.1：当时，将转移到第g代原始种群的最高非支配等级中的所有个体和最低非支配等级中的所有个体中；否则，将+1赋值给，并返回步骤3.4；其中，表示所设定的另一迭代阈值；步骤3.9.2：当时，将转移到第代辅助种群的最高非支配等级中的所有个体，再利用混合更新算子生成若干个个体并替换其余非支配高级中的部分个体；否则，将+1赋值给，并返回步骤3.4；步骤4：将+1赋值给，判断是否成立，若成立，则表示得到最终的代原始种群和代辅助种群，执行步骤5；否则，将+1赋值给，并返回步骤3.4顺序执行；步骤5：从中选取最优目标函数值所对应的个体作为农作物图像数据预测模型，用于从目标植物图像筛选出杂草，并对杂草进行农药喷洒。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于进化PU学习的农田杂草智能识别方法