櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄［１４］ＨｅＫＭ，ＺｈａｎｇＸＹ，ＲｅｎＳＱ，ｅｔａｌ．Ｄｅｅｐｒｅｓｉｄｕａｌｌｅａｒｎｉｎｇｆｏｒｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／２０１６ＩＥＥＥＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．ＬａｓＶｅｇａｓ，ＮＶ，ＵＳＡ．ＩＥＥＥ，２０１６：７７０－７７８．［１５］彭 宁．基于改进的ＦａｓｔｅｒＲ－ＣＮＮ的车牌识别技术研究［Ｄ］．哈尔滨：哈尔滨理工大学，２０２１．［１６］周 婕，马明栋．基于改进的ＲｅｓＮｅｔ网络的人脸表情识别［Ｊ］．计算机技术与发展，２０２２，３２（１）：２５－２９．［１７］ＰａｎＳＪ，ＹａｎｇＱ．Ａｓｕｒｖｅｙｏｎｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＫｎｏｗｌｅｄｇｅａｎｄＤａｔａＥｎｇｉｎｅｅｒｉｎｇ，２０１０，２２（１０）：１３４５－１３５９．［１８］王艳玲，张宏立，刘庆飞，等．基于迁移学习的番茄叶片病害图像分类［Ｊ］．中国农业大学学报，２０１９，２４（６）：１２４－１３０．［１９］孙 俊，朱伟栋，罗元秋，等．基于改进ＭｏｂｉｌｅＮｅｔ－ｖ２的田间农作物叶片病害识别［Ｊ］．农业工程学报，２０２１，３７（２２）：１６１－１６９． ［２０］刘 冰．面向小样本的特定标识检测［Ｄ］．天津：中国民航大学，２０１９．［２１］邵仁荣，刘宇昂，张 伟，等．深度学习中知识蒸馏研究综述［Ｊ］．计算机学报，２０２２，４５（８）：１６３８－１６７３．［２２］ＨｉｎｔｏｎＧ，ＶｉｎｙａｌｓＯ，ＤｅａｎＪ．Ｄｉｓｔｉｌｌｉｎｇｔｈｅｋｎｏｗｌｅｄｇｅｉｎａｎｅｕｒａｌｎｅｔｗｏｒｋ［ＥＢ／ＯＬ］．２０１５：ａｒＸｉｖ：１５０３．０２５３１．ｈｔｔｐｓ：／／ａｒｘｉｖ．ｏｒｇ／ａｂｓ／１５０３．０２５３１．ｐｄｆ．［２３］ＦｒａｎｋｌｅＪ，ＣａｒｂｉｎＭ．ＴｈｅＬｏｔｔｅｒｙＴｉｃｋｅｔＨｙｐｏｔｈｅｓｉｓ：ＦｉｎｄｉｎｇＳｐａｒｓｅ，ＴｒａｉｎａｂｌｅＮｅｕｒａｌＮｅｔｗｏｒｋｓ［ＤＢ／ＯＬ］．ＵＳＡ：ＣｏｒｎｅｌｌＵｎｉｖｅｒｓｉｔｙ，２０１８．［２０２３－０７－２４］．ａｒＸｉｖ：１８０３．０３６３５．亢 洁，刘 佳，刘文波，等．基于多感受野与多尺度融合的草莓病害分割算法［Ｊ］．江苏农业科学，２０２４，５２（４）：２０６－２１５．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２４．０４．０３１基于多感受野与多尺度融合的草莓病害分割算法亢 洁，刘 佳，刘文波，夏 宇，李亦轩，王佳乐（陕西科技大学电气与控制工程学院，陕西西安７１００２１） 摘要：针对草莓病害在区域分割时存在背景复杂、目标较小导致难以被有效分割等问题，提出一种基于多感受野与多尺度融合的草莓病害分割算法。
中®农f(8報 2022,38(8): 135-140Chinese Agricultural Science Bulletin基于粒子群算法和支持向量机的黄花菜叶部病害识别孙瑜'，张永梅'，武玉军2C山西农业大学信息科学与工程学院，山西太谷030801 ;2大同大学，山西大同037000)摘要:使用数字图像处理技术，以黄花菜叶部病害图像为识别对象，基于L a b空间和K-m e a n s聚类算法 分割病害区域，提取目标区域的颜色特征、方向梯度直方图(histogram of oriented gradient,H O G)特征和 形状特征，分别建立单一特征模型和特征融合模型，采用粒子群(particle swarm optimization，P S O)算法 通过交叉验证优化支持向量机(support vector machine,S V M)模型的惩罚因子和核参数，建立基于P S O-S V M的多特征融合分类模型识别黄花菜病害。
基于S V M的多特征融合分类模型识别率高于单一特征 分类模型，识别率可达为81.67%;基于P S O-S V M多特征融合分类模型识别率高达92.39%。
基于P S O-S V M的多特征分类模型识别率高，可以及时、便捷、高效地识别黄花菜病害。
关键词：图像处理；黄花菜;病害识别；支持向量机;粒子群算法；多特征融合中图分类号:T P391.41 文献标志码:A论文编号:casb2021-1215Recognition of Hemerocallis citrina Leaf Disease Based on PSO and SVMSUN Yu', ZHANG Yongmei', WU Yujun2(College of Information Science and Engineering, Shanxi Agriculture University, Taigu, Shanxi 030801;2Datong University,Datong, Shanxi 037000)Abstract：By using digital image processing technology, the disease image of H em ero ca llis c itrin a leaf was taken as the recognition object. The disease area was segmented based on Lab space and K-means clustering algorithm, and the color characteristics, histogram of oriented gradient (HOG) and shape characteristics of the target areas were extracted from the images. The single- feature model and multi- feature model were established respectively based on the extracted features. Particle swarm optimization (PSO) algorithm was used to optimize the penalty factor and kernel parameter of the support vector machine (SVM) model through cross validation. Multi-feature classification model based on PSO-SVM was established to identify diseases of H.c itrin a leaves. The recognition rate of SVM based multi-feature classification model was higher than that ofsingle-feature classification model, and the recognition rate could reach 81.67%. The recognition rate of multifeature classification model based on PSO-SVM was as high as 92.39%. The multi-feature classification model based on PSO- SVM has high recognition rate and can identify the disease of H. c itrin a leaf timely, conveniently and efficiently.Keywords：image processing; H em ero ca llis citrin a;disease recognition; support vector machine (SVM);particle swarm optimization (PSO); multi-feature fusion0引言 典型范例[|]。
改进人工鱼群算法优化小波神经网络的变压器故障诊断贾亦敏;史丽萍;严鑫【摘要】针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型.基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度.结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2019(038)002【总页数】7页(P103-109)【关键词】变压器;故障诊断;小波神经网络;改进人工鱼群算法;粒子群优化算法;动态反向学习策略【作者】贾亦敏;史丽萍;严鑫【作者单位】中国矿业大学电气与动力工程学院,江苏徐州221116;中国矿业大学电气与动力工程学院,江苏徐州221116;国网上海市电力公司市北供电公司,上海200940【正文语种】中文【中图分类】TM4110 引言变压器自19世纪80年代问世以来，一直是电力系统的关键设备之一，受到了广泛关注和研究。
在整个输配电系统中，变压器作为核心组成部分占据着至关重要的地位，其性能的优劣直接影响整个供配电系统的经济效益与安全性。
在实际生产中，能否快速准确诊断或预测变压器已有故障或潜伏性故障，与电网能否安全稳定密切相关[1]。
基于油浸式变压器故障时油中会产生较多气体的油中气体分析法(dissolved gas analysis，DGA)自提出以来，已成为国内外实际应用最广泛的变压器故障诊断方法，该方法主要通过故障气体量与故障类型间数学关系进行判断，经典应用有三比值法与大卫三角法等。
近年来，许多新理论被应用于变压器故障诊断，主要有模糊算法[2]、支持向量机[3]、免疫算法[4]、粗糙集理论等，取得了一定成果。
