基于支持向量机的玉米品种识别

被引：36

作者：

程洪 ^{[1
]}

史智兴 ^{[1
]}

么炜 ^{[1
]}

王雷 ^{[1
]}

庞立欣 ^{[2
]}

机构：

[1] 河北农业大学信息科学与技术学院

[2] 河北农业大学现代教育技术中心

来源：

农业机械学报 | 2009年 / 40卷 / 03期

关键词：

玉米; 品种; 识别; 图像处理; 神经网络; 支持向量机;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

选取郑单958、辽单565、京科25玉米品种作为研究对象,从玉米籽粒的数字图像中提取与玉米籽粒的颜色、形状、尺寸等有关的6个形态结构参数,利用支持向量机(SVM)算法进行训练识别,同时与BP人工神经网络(NN)方法进行比较,结果表明,SVM算法识别效率较高,达到92.3%。

引用

页码：180 / 183

页数：4

共 8 条

[1]

支持向量机多类分类方法的研究.[D].杨雪.哈尔滨工程大学.2006, 12

[2] 一种基于标准白板的颜色校正方法 [J].

程洪 ;

史智兴 ;

李江涛 ;

庞立欣 ;

冯娟 .

河北农业大学学报, 2007, (04) :105-109

[3] 基于支持向量机的车辆牌照识别的研究 [J].

廉飞宇 ;

付麦霞 ;

张元 .

计算机工程与设计, 2006, (21) :4033-4035+4042

[4] 支持向量机与人工神经网络 [J].

艾娜 ;

吴作伟 ;

任江华 .

山东理工大学学报(自然科学版), 2005, (05) :48-52

[5] BP人工神经网络识别玉米品种的研究 [J].

杨蜀秦 ;

宁纪锋 ;

何东健 .

西北农林科技大学学报(自然科学版), 2004, (S1) :162-164

[6] 基于支持向量机和色度矩的植物病害识别研究 [J].

田有文 ;

张长水 ;

李成华 .

农业机械学报, 2004, (03) :95-98

[7] 基于人工神经网络的玉米籽粒形态识别方法的研究 [J].

宋韬 ;

曾德超 .

农业工程学报, 1996, (01) :177-181

[8]

支撑矢量机与核方法研究.[D].张莉.西安电子科技大学.2002, 01

← 1 →