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:
传统的植物病害往往依赖经验与肉眼观察,效率低下、容易出错.提出了一种基于植物图像特征的病害检测方法.对植物叶部图像进行分割、提取纹理特征和颜色特征,得到融合特征,最后利用机器学习中的支持向量机进行训练,对待测植物的叶片图像进行病害检测.实验以黄瓜为例,得到较好的效果.
推荐文章
植物病害生物防治概述
植物病害
生物防治
细菌
真菌
放线菌
植物内生菌
植物病害与粮食安全
植物病害
粮食安全
植物病害检测领域的电生理学研究进展
植物电生理学
植物病害
电指标
植物病害防控方向和措施的研究探讨
化学防治
植物病害
防控对策
综合治理
植物健康管理
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 基于特征融合和SVM的植物病害检测
来源期刊 电脑编程技巧与维护 学科
关键词 特征融合 植物病害 支持向量机
年,卷(期) 2022,(2) 所属期刊栏目 软件研发与应用
研究方向 页码范围 39-41
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1006-4052.2022.02.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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)
研究主题发展历程
节点文献
特征融合
植物病害
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
电脑编程技巧与维护
月刊
1006-4052
11-3411/TP
大16开
北京市海淀区长春桥路5号六号楼1209室
82-715
1994
chi
出版文献量(篇)
14554
总下载数(次)
80
总被引数(次)
25630
论文1v1指导