文献类型：期刊文章

作　　者：魏丽冉[1] 岳峻[1] 李振波[2] 寇光杰[1] 曲海平[1]

机构地区：[1]鲁东大学信息与电气工程学院,烟台264025 [2]中国农业大学信息与电气工程学院,北京100083

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(61472172;61673200);山东省自然科学基金项目(ZR2016FM15;ZR2017MF062)

年　　份：2017

卷　　号：48

期　　号：S1

起止页码：166-171

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现有植物病害图像检测方法存在检测病害单一的问题,因此,本文针对叶片的链格孢病、炭疽病、细菌性枯萎病、尾孢菌叶斑病4种病害和健康叶片,提出了基于核函数支持向量机的多分类检测方法。根据植物叶部病害图像具有多变的特点,首先通过受病叶片图像预处理增强病害部分与健康部分的对比度,使病害部分更加明显。然后在Lab彩色空间模型下的a、b分量上进行叶片分割并提取特征,采用K均值聚类方法,增强分割聚类效果。最后采用基于核函数的支持向量机多分类方法对4种病害进行检测识别并分类。为提高检测准确度,用500次迭代评估出最大精度,考虑交叉验证系数的影响,将样本的40%作为验证数据,60%作为训练数据,采用径向基核函数对其进行训练。该方法将传统的2种叶片病害识别扩大至4种,实验结果证实对4种病害的识别率最高达到89.5%,最低也达到了70%,证明了该方法的有效性。

关 键 词：植物叶片 病害检测 特征提取  支持向量机多分类

分 类 号：TP39]