文献类型：期刊文章

作　　者：杨英茹[1,2] 吴华瑞[3,4] 张燕[3,4] 朱华吉[3,4] 李瑜玲[1,2] 田国英[1,2]

Yang Yingru;Wu Huarui;Zhang Yan;Zhu Huaji;Li Yuling;Tian Guoying(Shijiazhuang Academy of Agricultural and Forestry Sciences,Shijiazhuang,050041,China;Shijiazhuang Agricultural Information Technology Innovation Center,Shijiazhuang,050041,China;National Engineering Research Center for Information Technology in Agriculture,Beijing,100097,China;Beijing Research Center for Information Technology in Agriculture,Beijing,100097,China)

机构地区：[1]石家庄市农林科学研究院,石家庄市050041 [2]石家庄市农业信息化技术创新中心,石家庄市050041 [3]国家农业信息化工程技术研究中心,北京市100097 [4]北京农业信息技术研究中心,北京市100097

出　　处：《中国农机化学报》

基　　金：国家自然科学基金(61871041);国家大宗蔬菜产业技术体系岗位专家项目(CARS—23—C06);石家庄市科技计划(201490074A);河北省重点研发计划项目(19226919D)。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：177-186

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、核心刊

摘　　要：针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶部图像病害识别方法。CCL-SVM方法为实现小样本及复杂背景环境下的快速识别,首先采用滑动窗口将原始番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像样本作为试验样本,从而实现样本数量和样本多样性的增加,并降低样本复杂背景的影响。通过对样本数据抽取颜色纹理特征(CCL),采用SVM模型对番茄早疫病、白粉病、斑潜蝇和健康叶片分类识别。试验结果表明,提出的CCL-SVM方法比Gray-SVM对番茄叶片病害种类的识别性能得到大幅提升,识别率从60.63%提升到97.5%;CCL-SVM方法识别精度高于对比的深度学习网络VGG16和Alexnet方法,且每个小区域图像的平均测试时间远低于深度学习网络。本文设计的CCL-SVM方法具有减小复杂背景影响,计算量小及系统要求低的优点,为复杂环境下番茄病害快速识别提供一种新的思路。

关 键 词：番茄 复杂环境 滑动窗口  病害识别 CCL-SVM  

分 类 号：S126] S436.412