基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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。
推荐文章
基于动态集成的黄瓜叶部病害识别方法
黄瓜
叶部病害
图像识别
集成学习
差异性度量
动态选择
基于椭圆型度量学习的小麦叶部病害识别
小麦白粉病
叶部病害识别
图像处理
滑窗最大值特征
椭圆型度量
基于支持向量机的苹果叶部病害识别方法研究
苹果叶部病害
小波滤波算法
最大类间方差法
边界跟踪算法
支持向量机(SVM)
模式识别
基于Variance-SFFS的小麦叶部病害图像识别
小麦病害
特征降维
启发式搜索
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于 SVM 的小麦叶部病害识别方法研究
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
研究方向 页码范围 151-155,159
页数 6页 分类号 TP391.4
字数 4396字 语种 中文
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (178)
共引文献  (2354)
参考文献  (15)
节点文献
引证文献  (21)
同被引文献  (55)
二级引证文献  (66)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(7)
  • 参考文献(0)
  • 二级参考文献(7)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(12)
  • 参考文献(0)
  • 二级参考文献(12)
2005(16)
  • 参考文献(0)
  • 二级参考文献(16)
2006(13)
  • 参考文献(0)
  • 二级参考文献(13)
2007(27)
  • 参考文献(2)
  • 二级参考文献(25)
2008(24)
  • 参考文献(1)
  • 二级参考文献(23)
2009(19)
  • 参考文献(1)
  • 二级参考文献(18)
2010(18)
  • 参考文献(3)
  • 二级参考文献(15)
2011(11)
  • 参考文献(2)
  • 二级参考文献(9)
2012(8)
  • 参考文献(2)
  • 二级参考文献(6)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(8)
  • 引证文献(5)
  • 二级引证文献(3)
2017(15)
  • 引证文献(3)
  • 二级引证文献(12)
2018(20)
  • 引证文献(3)
  • 二级引证文献(17)
2019(30)
  • 引证文献(5)
  • 二级引证文献(25)
2020(11)
  • 引证文献(2)
  • 二级引证文献(9)
研究主题发展历程
节点文献
小麦叶片
病斑识别
特征提取
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农机化研究
月刊
1003-188X
23-1233/S
大16开
黑龙江哈尔滨市哈平路156号
14-324
1979
chi
出版文献量(篇)
14318
总下载数(次)
39
总被引数(次)
94283
论文1v1指导