文献类型：期刊文章

作　　者：陈宇[1] 路阳[1] 蔡娣[1] 姜峰[1] 杨化龙[1,2]

CHEN Yu;LU Yang;CAI Di;JIANG Feng;YANG Hualong(College of Electrical and Information,Heilongjiang Bayi Agricultural University,Daqing 163319,China;Jixi Public Security Bureau,Jixi 158100,China)

机构地区：[1]黑龙江八一农垦大学电气与信息学院,大庆163319 [2]鸡西市公安局,鸡西158100

出　　处：《上海农业学报》

基　　金：中国博士后科学基金(2016M591560);黑龙江省自然科学基金重点项目(ZD2019F001);黑龙江省自然科学基金项目(LH2020F042);黑龙江省政府博士后资助经费(LBH-Z15185);黑龙江省博士后科研启动金资助项目(LBH-Q17134)。

年　　份：2021

卷　　号：37

期　　号：6

起止页码：136-142

语　　种：中文

收录情况：CAB、JST、ZGKJHX、普通刊

摘　　要：为实现田间条件下水稻稻瘟病、纹枯病、白叶枯病3种常见水稻叶部病害的快速识别和诊断,提出了一种基于交换粒子群优化算法(SPSO)和支持向量机(SVM)的水稻病害诊断方法。首先在田间采集300幅水稻叶部病害图像,利用中值滤波方法和方向梯度直方图,得到3种病害3780维特征向量;然后建立病害识别支持向量机模型,使用交换粒子群优化算法(SPSO)优化支持向量机径向基函数(RBF)的参数γ和惩罚因子c。结果表明:该方法优于单独使用支持向量机或粒子群(PSO)算法优化的支持向量机模型,3种水稻叶部病害平均识别准确率达到93.2%。该方法可用于上述3种水稻叶部病害的识别。

关 键 词：水稻病害识别  支持向量机  交换粒子群优化算法  方向梯度直方图

分 类 号：S435.111] TP391.41]