张红涛，阮朋举，母建茹，孙志勇，李德伟

(华北水利水电大学，河南郑州 450045)



基于ABC-SVM的内部含虫麦粒多光谱图像特征选择研究

张红涛，阮朋举，母建茹，孙志勇，李德伟

(华北水利水电大学，河南郑州 450045)

为探讨利用人工蜂群算法(ABC)对内部含虫麦粒进行特征选择的可行性，基于该算法，以交叉验证训练模型的识别率作为特征子集的性能评价准则, 对内部含虫麦粒的特征进行分析。结果表明，该算法从内部含虫麦粒的32维直方图特征和纹理特征中自动选择出6个特征的最优特征子空间，采用参数优化之后的SVM分类器对80个麦粒样本进行分类，识别率达到92%以上，说明应用人工蜂群算法对内部含虫麦粒进行特征选择是可行的。

内部含虫麦粒；人工蜂群算法；支持向量机；特征选择；识别

近年来，麦粒内部害虫的检测在粮虫检测领域备受关注，传统的麦粒内部害虫检测方法有直观检查法、伯利斯漏斗法、染色法等[1]。这些方法都存在或多或少的不足，如主观性强、过程复杂、费时、具有破坏性等。因此，一些新型物理类检测方法被用于粮虫检测领域，如声测法、电导率法、电子鼻、多光谱成像法等。Shuman等研制了依据害虫进食活动所发出的声信号来判别谷物内部侵染的检测系统，利用声传感器阵列可确定发声幼虫的方位[2-3]。随后，国内耿森林、彭 慧等对麦粒内部害虫声信号采集传输、识别分类等方面进行了研究，实现了声信号的实时远程传输，但该法易受环境噪声的影响，不易检测低龄幼虫和“假死”害虫[4-5]。……