基于 SVM 的小麦叶部病害识别方法研究

• 作者: 余秀丽 宋怀波 屈卫锋 张卫园 徐超 王丹丹
• 来源期刊: 农机化研究
• 学科: 工学
• 关键词: 小麦叶片 病斑识别 特征提取 支持向量机
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 试验研究
• 页码范围: 151-155,159
• 页数: 6页
• 分类号: TP391.4
• 字数: 4396字
• 语种: 中文

摘要

为了准确识别小麦叶部常见病害，为小麦病情诊断和发展状况判断提供科学依据，设计并实现了一种基于SVM （ Support Vector Machine ）的小麦叶部常见病害识别方法。该方法可以实现对小麦白粉病、条锈病和叶锈病的准确识别。首先，基于中值滤波法和K均值聚类算法，实现了图像的去噪及病斑分割；然后，提取了病斑区域形状特征和纹理特征；最后，利用SVM 算法对小麦叶部病害进行了分类识别。随机试验结果表明，利用所提取的特征可以有效地实现小麦叶部常见病害的识别，基于形状特征的综合识别率可达99．33％；利用 SVM 算法进行小麦病害叶片识别是有效的、可行的。该方法对于农作物病害智能识别的推广具有较好的借鉴意义。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋怀波	西北农林科技大学机械与电子工程学院	39	528	14.0	22.0
2	徐超	西北农林科技大学机械与电子工程学院	12	95	5.0	9.0
3	王丹丹	西北农林科技大学机械与电子工程学院	15	428	11.0	15.0
4	余秀丽	西北农林科技大学机械与电子工程学院	3	48	3.0	3.0
5	屈卫锋	西北农林科技大学机械与电子工程学院	4	54	3.0	4.0
6	张卫园	西北农林科技大学机械与电子工程学院	2	48	2.0	2.0