10.15955/j.issn1000-3924.2019.05.23
基于HOG+SVM的田间水稻病害图像识别方法研究
目前,基于机器视觉的病虫害识别方法普遍存在病虫害图片拍摄条件要求严苛、图片预处理步骤繁琐、图像处理技术难度高的问题,导致该技术在生产中实用性不强.本文以田间开放环境下采集的水稻主要病害图片为研究对象,提出一种基于方向梯度直方图(HOG)特征和支持向量机(SVM)的水稻病害检测方法,先对训练集中病斑样本块和非病斑样本块提取HOG特征,运用HOG特征作为输入向量代入SVM分类器进行训练,训练好的分类器用于整幅图的病斑自动检测.研究结果表明,HOG+ SVM对多种病斑检测的综合识别率可达94%以上,HOG+ SVM病斑定位正确率可达91.7%.该方法具有拍摄环境兼容性较高,处理过程简便,对样本数量要求不高等优点,可对农田开放环境下采集的图片进行病害识别和评估.
方向梯度直方图特征、支持向量机、水稻、病害识别
35
S435.111;TP391.41(病虫害及其防治)
上海科技兴农重点攻关项目沪农科攻字2014第7-4-2号
2019-12-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
131-136