融合CNN多卷积特征与HOG的番茄叶部病害检测算法

• 作者: 刘君 王学伟
• 来源期刊: 北方园艺
• 学科: 农学
• 关键词: 番茄叶部病害检测 卷积神经网络 多卷积特征 HOG
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 农业信息技术
• 页码范围: 147-152
• 页数: 6页
• 分类号: TP391.4|S431.9
• 语种: 中文
• DOI: 10.11937/bfyy.20193405

摘要

传统的番茄叶部病害检测依赖于耗时费力的人工特征设计,必须针对病害的不同分类精心设计相关特征.番茄叶部病害症状复杂,人工设计特征较难.卷积神经网络(convolutional neural network,CNN)可以自动挖掘出隐藏在病害图像内部的抽象特征,在图像识别领域性能优越.该研究提出采用CNN与传统的HOG+ SVM算法相结合的方法,抽取番茄叶部病害的浅层特征,将其输入到HOG生成HOG特征并合并,最后输入SVM分类器得到病害检测结果.该研究方法能够改进番茄叶部病害的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘君	潍坊科技学院山东省高校设施园艺实验室	30	120	6.0	10.0
2	王学伟	潍坊科技学院山东省高校设施园艺实验室	5	0	0.0	0.0