基于深度学习和支持向量机的4种苜蓿叶部病害图像识别
2017-07-15分类号：TP18;TP391.41
【部门】中国农业大学植物保护学院 河北北方学院农林科技学院 中国科学院微生物研究所
【摘要】为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:
【关键词】苜蓿 病害 图像识别 特征提取 深度学习 卷积神经网络 支持向量机
【基金】公益性行业(农业)科研专项经费项目(201303057)
【所属期刊栏目】中国农业大学学报
文献传递
