基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

被引：93

作者：

秦丰 ^{[1
]}

刘东霞 ^{[2
]}

孙炳达 ^{[3
]}

阮柳 ^{[1
]}

马占鸿 ^{[1
]}

王海光 ^{[1
]}

机构：

[1] 中国农业大学植物保护学院

[2] 河北北方学院农林科技学院

[3] 中国科学院微生物研究所

来源：

中国农业大学学报 | 2017年 / 22卷 / 07期

关键词：

苜蓿; 病害; 图像识别; 特征提取; 深度学习; 卷积神经网络; 支持向量机;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。

引用

页码：123 / 133

页数：11

共 31 条

[1]

牧草病害诊断调查与损失评定方法.[M].李彦忠;南志标.江苏科学技术出版社.2014,

[2]

草地病虫害及防治.[M].刘爱萍;侯天爵主编;.中国农业科学技术出版社.2005,

[3]

基于图像处理技术的四种苜蓿叶部病害的识别 [J].