| 基于核函数支持向量机的植物叶部病害多分类检测方法 |
| |
| 引用本文： | 魏丽冉,岳峻,李振波,寇光杰,曲海平.基于核函数支持向量机的植物叶部病害多分类检测方法[J].农业机械学报,2017,48(S1):166-171. |
| |
| 作者姓名： | 魏丽冉 岳峻 李振波 寇光杰 曲海平 |
| |
| 作者单位： | 鲁东大学,鲁东大学,中国农业大学,鲁东大学,鲁东大学 |
| |
| 基金项目： | 国家自然科学基金项目（61472172、61673200）和山东省自然科学基金项目（ZR2016FM15、 ZR2017MF062) |
| |
| 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 |
| 收稿时间： | 2017/7/10 0:00:00 |
Multi-classification Detection Method of Plant Leaf Disease Based on Kernel Function SVM |
| |
| WEI Liran,YUE Jun,LI Zhenbo,KOU Guangjie and QU Haiping.Multi-classification Detection Method of Plant Leaf Disease Based on Kernel Function SVM[J].Transactions of the Chinese Society of Agricultural Machinery,2017,48(S1):166-171. |
| |
| Authors: | WEI Liran YUE Jun LI Zhenbo KOU Guangjie and QU Haiping |
| |
| Institution: | Ludong University,Ludong University,China Agricultural University,Ludong University and Ludong University |
| |
| Abstract: | |
| |
| Keywords: | plant leaves disease detection feature extraction support vector machine multi-classification |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
