融合CNN多卷积特征与HOG的番茄叶部病害检测算法

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.

关键词：番茄叶部病害检测、卷积神经网络、多卷积特征、HOG

分类号：TP391.4;S431.9(计算技术、计算机技术)

资助基金：山东省高等学校科研创新平台山东省高校设施园艺实验室资助项目;寿光市应用技术研究;开发计划资助项目;2019年度山东省民办高校基础能力建设工程资助项目;教育部科技发展中心创新基金资助项目;2019年度教育部产学合作协同育人资助项目;潍坊市科技发展计划资助项目;2018年度校级课题资助项目

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：147-152