水稻纹枯病图像识别处理方法研究

被引：23

作者：

袁媛 ^{[1
]}

陈雷 ^{[1
]}

吴娜 ^{[1
,2
]}

李淼 ^{[1
]}

机构：

[1] 中国科学院合肥智能机械研究所

[2] 中国科学技术大学信息科学技术学院

来源：

农机化研究 | 2016年 / 38卷 / 06期

关键词：

水稻纹枯病; 图像识别; 病害诊断; 支持向量机;

D O I：

10.13427/j.cnki.njyi.2016.06.017

中图分类号：

S435.111.42 []; TP391.41 [];

学科分类号：

080203 ;

摘要：

为了实现水稻病害的自动检测,设计并实现了一种基于支持向量机的水稻纹枯病识别方法。首先利用R分量和中值滤波进行图像预处理,然后利用改进的图切割方法进行病斑分割,再提取病斑的颜色和纹理特征,最后利用支持向量机方法对水稻纹枯病进行分类识别。结果表明:识别准确率达到95%,能够满足实际应用的需求。本研究结果可以为水稻病害的自动识别提供参考依据。

引用

页码：84 / 87+92 +92

页数：5

共 7 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] 基于融合多特征图切割的作物病害图像自动分割 [J].

吴娜 ;

李淼 ;

陈晟 ;

袁媛 ;

曾新华 ;

陈雷 ;

孙熊伟 ;

卞程飞 .

农业工程学报, 2014, 30 (17) :212-219

[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] 基于图像处理的作物病害自动识别系统的研究 [J].

刘君 ;

王振中 ;

李宝聚 ;

郇中丹 ;

黄海洋 .

计算机工程与应用, 2012, 48 (13) :154-158+180

[5] 基于LIB-SVM的项目文本自动分类系统研究 [J].

朱爱红 ;

赵帅 ;

毛民樑 .

微计算机信息, 2011, 27 (04) :13-15

[6] 支持向量机在黄瓜病害识别中的应用研究 [J].

田有文 ;

牛妍 .

农机化研究, 2009, 31 (03) :36-39

[7]

基于计算机视觉和光谱分析技术的蔬菜叶部病害诊断研究.[D].柴阿丽.中国农业科学院.2011, 10

← 1 →