基于图像处理技术的四种苜蓿叶部病害的识别

• 作者: 刘东霞 孙炳达 王海光 秦丰 阮柳 马占鸿
• 来源期刊: 中国农业大学学报
• 学科: 农学
• 关键词: 苜蓿 叶部病害 图像识别 图像分割 特征优选 支持向量机
• 年，卷（期）: 2016,（10）
• 页码范围: 65-75
• 分类号: S126|S431.9
• 语种: 中文
• DOI: 10.11841/j.issn.1007-4333.2016.10.09

摘要

基于图像处理技术,对4种苜蓿叶部病害进行识别研究.利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果.结果表明:该分割方法在由4种痛害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4.进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型.比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18％,测试集识别正确率为93.10％.由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马占鸿	中国农业大学植物保护学院	94	1066	17.0	28.0
2	王海光	中国农业大学植物保护学院	51	652	16.0	23.0
3	孙炳达	中国科学院微生物研究所	10	133	6.0	10.0
4	阮柳	中国农业大学植物保护学院	3	56	3.0	3.0
5	秦丰	中国农业大学植物保护学院	6	71	4.0	6.0
6	刘东霞	河北北方学院农林科技学院	8	135	5.0	8.0