基于双编码遗传算法的支持向量机作物病害图像识别方法附视频

被引:6
作者
濮永仙
余翠兰
机构
[1] 德宏师专计科系
关键词
支持向量机; 病害图像; 自动识别; 特征向量; 双编码遗传算法;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了实现作物病害的计算机识别,采用基于双编码遗传特征选择的支持向量机和病害图像多特征参数识别病害的方法,对病害图像增强处理,彩色病斑分割,特征参数提取,构建双编码遗传算法优化特征子集,并赋予权重的一对一投票策略支持向量机来分类识别作物病害进行研究。结果表明:在同等条件下,该方法与没有采用遗传算法的支持向量机相比,特征向量减少了38%,正确率提高了6.29%。
引用
收藏
页码:187 / 190+194 +194
页数:5
相关论文
共 8 条
[1]   基于支持向量机的小麦条锈病和叶锈病图像识别 [J].
李冠林 ;
马占鸿 ;
王海光 .
中国农业大学学报, 2012, 17 (02) :72-79
[2]   基于支持向量机技术的粮虫图像分类技术研究 [J].
党培 ;
谭联 .
粮食流通技术, 2009, (06) :33-37
[3]   基于支持向量机的玉米品种识别 [J].
程洪 ;
史智兴 ;
么炜 ;
王雷 ;
庞立欣 .
农业机械学报, 2009, 40 (03) :180-183
[4]   基于遗传特征选择和支持向量机的图像标注 [J].
李冉 ;
赵天忠 ;
张亚非 ;
肖琪 ;
李阳 .
计算机工程与应用, 2009, 45 (06) :180-183
[5]   基于支持向量机的葡萄病害图像识别方法 [J].
田有文 ;
李天来 ;
李成华 ;
朴在林 ;
孙国凯 ;
王滨 .
农业工程学报, 2007, (06) :175-180
[6]   基于图像处理和支持向量机的玉米病害识别 [J].
田有文 ;
王立地 ;
姜淑华 .
仪器仪表学报, 2006, (S3) :2123-2124
[7]   基于图像处理的日光温室黄瓜病害识别的研究附视频 [J].
田有文 ;
李成华 .
农机化研究, 2006, (02) :151-153+160
[8]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167