基于图像处理技术的小麦叶部病害识别研究

被引:8
作者
夏永泉
李耀斌
李晨
机构
[1] 郑州轻工业学院计算机与通信工程学院
关键词
小麦病害; 纹理特征; 颜色矩; 病害识别;
D O I
10.13774/j.cnki.kjtb.2016.04.020
中图分类号
S435.12 [麦类病虫害]; TP391.41 [];
学科分类号
080203 ;
摘要
植物病害会导致农作物在产量和质量上都显著降低。为了快速准确的诊断识别小麦病害,及时采取防治措施,利用图像处理技术对小麦常见病害进行识别。以小麦病害纹理特征参数和颜色特征参数作为特征向量,采用基于径向基核函数的支持向量机对小麦白粉病、条锈病、叶锈病和秆锈病图像进行识别,整体识别准确率达95%。实验结果表明,所选取的特征参数对4种小麦叶部常见病害的识别是有效可行的,为小麦病害诊断提供了有效分析手段。
引用
收藏
页码:92 / 95
页数:4
相关论文
共 9 条
[1]   基于SVM的小麦叶部病害识别方法研究 [J].
余秀丽 ;
徐超 ;
王丹丹 ;
张卫园 ;
屈卫锋 ;
宋怀波 .
农机化研究, 2014, 36 (11) :151-155+159
[2]   小麦叶部常见病害特征提取及识别技术研究 [J].
王美丽 ;
牛晓静 ;
张宏鸣 ;
赵建邦 ;
何东健 .
计算机工程与应用, 2014, 50 (07) :154-157
[3]   基于计算机视觉的水稻叶部病害识别研究 [J].
刘涛 ;
仲晓春 ;
孙成明 ;
郭文善 ;
陈瑛瑛 ;
孙娟 .
中国农业科学 , 2014, (04) :664-674
[4]   基于颜色和形状特征的黄瓜霜霉病自动识别研究 [J].
王雪 ;
马卓 ;
王欣 ;
姜丹 ;
刘小溪 ;
贾志雷 .
安徽农业大学学报, 2013, 40 (06) :1071-1075
[5]   基于改进颜色特征的小麦病害图像识别技术研究 [J].
刘连忠 ;
张武 ;
朱诚 .
安徽农业科学, 2012, 40 (26) :12877-12879
[6]   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
[7]  
数字图像处理与分析[M]. 北京航空航天大学出版社 , 杨帆等, 2007
[8]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[9]  
Similarity of Color Images .2 Stricker M,Orengo M. Proceedings of the SPIE Conference on storage and retrieval for image and video database III . 1995