马铃薯典型病害图像自适应特征融合与快速识别

• 作者: 刘洪 肖志云
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 马铃薯典型病害 Hough变换 主成分分析 加权融合 支持向量机
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 农业装备与机械化工程
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP391.41
• 字数: 4886字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2017.12.003

摘要

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法.该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别.对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2％,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3s,可有效保证识别精度,大大加快了识别速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖志云	内蒙古工业大学电力学院	18	138	10.0	11.0
2	刘洪	内蒙古工业大学电力学院	2	27	2.0	2.0