基于多特征融合与支持向量机的葡萄病害识别

• 作者: 朱立学 朱蓉 郑建华
• 来源期刊: 现代农业装备
• 关键词: 多特征 计算机视觉 病害识别 HOG特征 支持向量机
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息技术
• 页码范围: 54-60
• 页数: 7页
• 字数: 4783字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2154.2018.06.016

摘要

以葡萄的黑腐病、轮斑病、褐斑病为研究对象,以应用小样本数据集和避免使用病斑形状特征进行病害识别为研究目标,研究了基于机器视觉和机器学习的葡萄病害识别方法.对葡萄病害图像进行预处理后,提取了RGB颜色矩、HSV颜色直方图特征、GLCM纹理特征、HOG特征共4种特征集,采用级联融合方式得到2037维葡萄病害特征,并利用支持向量机算法进行识别训练和测试.结果表明,采用4种特征融合的方式在小样本集下能够获得较好的识别准确率,优于仅使用颜色或者纹理特征的识别方法,且能取代融入病斑的形状特征识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱立学	仲恺农业工程学院机电工程学院	105	397	11.0	15.0
2	郑建华	仲恺农业工程学院信息科学与技术学院	34	99	5.0	8.0
3	朱蓉	仲恺农业工程学院信息科学与技术学院	20	129	5.0	11.0