基于最优二叉树支持向量机的蜜柚叶部病害识别

文献类型： 中文期刊

第一作者： 张建华

作者： 张建华;孔繁涛;李哲敏;吴建寨;陈威;王盛威;朱孟帅

作者机构：

关键词： 病害;识别;图像处理;Gabor小波;最优二叉树;支持向量机;蜜柚叶部

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2014 年 30 卷 19 期

页码： 222-231

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了提高蜜柚叶部中晚期病害的识别准确率,确保蜜柚叶部病害对症施药与病害防治的效果,该文提出了一种基于最优二叉树支持向量机(support vector machine,SVM)的蜜柚叶部病害识别方法,该方法首先将蜜柚叶部病害图像转换为B分量、2G-R-B分量、(G+R+B)/3分量以及YIQ颜色模型中的Q分量的4个灰度图像,再利用5尺度8方向的Gabor小波分别与4个分量灰度图像进行卷积运算,获得5个尺度下不同方向的幅值均值作为病害的特征向量,并结合提出的最优二叉树支持向量机病害识别模型,对黄斑病、炭疽病、疮痂病、煤烟病等4种蜜柚叶部病害进行分类识别。通过交叉验证的方法进行分类识别测试,结果表明:黄斑病、炭疽病、疮痂病、煤烟病识别准确率分别为90%、96.66%、93.33%、96.66%,平均识别率达到94.16%,并将该方法与BP神经网络、一对一SVM与一对多SVM进行比较,试验结果表明该方法可有效识别4种蜜柚叶部病害,在训练时间和识别精度上都优于其他3种方法。该方法可为蜜柚病害准确识别与防治提供有效的技术支持。

分类号： TP18`S436.66

  • 相关文献

[1]基于监督局部线性嵌入算法的玉米田间杂草识别. 阎庆,梁栋,张东彦. 2013

[2]基于近地成像光谱的小麦全蚀病等级监测. 师越,司海平,吴旭,郭伟,时雷,马新明,周益林. 2014

[3]基于Gabor小波和NBP算法的手掌静脉识别. 林森,徐天扬,王颖. 2017

[4]基于高分二号数据的小麦快速识别与精度分析. 郭燕,贺佳,王利军,段俊枝,武喜红,王来刚,刘婷,张红利,郑国清,程永政. 2018

[5]基于图像灰度直方图特征的草莓病虫害识别. 牛冲,牛昱光,李寒,郑文刚,卜云龙,周增产. 2017

[6]基于支持向量机的野生蘑菇近红外识别模型. 刘洋,王涛,左月明. 2016

[7]基于高分二号数据的小麦快速识别与精度分析. 郭燕,贺佳,王利军,段俊枝,武喜红,王来刚,刘婷,张红利,郑国清,程永政. 2018

[8]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[9]粘着式信息素诱捕器捕获小菜蛾试验及图像识别系统的研究. 张茂明. 2010

[10]4CZ―12智能采茶机器人设计及田间试验. 秦广明,赵映,肖宏儒,金月,徐丽明,陈勇. 2014

[11]红毛丹色泽品质的计算机视觉分级技术研究. 章程辉,刘木华,王群. 2005

[12]基于机器学习的免套袋苹果缺陷分级. 张琛,房胜,王风云,李哲,郑纪业,沈宇. 2019

[13]基于计算机视觉的水稻叶部病害识别研究. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 2014

[14]基于支持向量机模型和图像处理技术的甜椒叶面积测定. 宰松梅,温季,郭冬冬,韩启彪,邓忠,孙浩,赵东彬. 2011

[15]吉林省花生主要叶部病害识别与防治. 赵伟锋,刘玉芬,郭朋,张宇航. 2012

[16]安徽省水稻主要病害的识别与防御措施. 陈娟. 2014

[17]基于卷积神经网络的温室黄瓜病害识别系统. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[18]基于SVM的高粱叶片病斑图像自动分割提取方法研究. 白文斌,白帆,贺文文,王伟仁,程彦俊,刘璋. 2014

[19]改进Multi-scale ResNet的蔬菜叶部病害识别. 王春山,周冀,吴华瑞,滕桂法,赵春江,李久熙. 2020

[20]基于U-Net网络和无人机影像的松材线虫病变色木识别. 张瑞瑞,夏浪,陈立平,谢春春,陈梅香,王维佳. 2020

作者其他论文 更多>>

微信小程序