基于SPSO+SVM的水稻叶部病害识别方法研究

摘要：

为实现田间条件下水稻稻瘟病、纹枯病、白叶枯病3种常见水稻叶部病害的快速识别和诊断,提出了一种基于交换粒子群优化算法(SPSO)和支持向量机(SVM)的水稻病害诊断方法.首先在田间采集300幅水稻叶部病害图像,利用中值滤波方法和方向梯度直方图,得到3种病害3780维特征向量;然后建立病害识别支持向量机模型,使用交换粒子群优化算法(SPSO)优化支持向量机径向基函数(RBF)的参数γ和惩罚因子c.结果表明:该方法优于单独使用支持向量机或粒子群(PSO)算法优化的支持向量机模型,3种水稻叶部病害平均识别准确率达到93.2％.该方法可用于上述3种水稻叶部病害的识别.

关键词：水稻病害识别;支持向量机;交换粒子群优化算法;方向梯度直方图

所属期刊栏目：37

分类号：S435.111;TP391.41(病虫害及其防治)

资助基金：中国博士后科学基金;黑龙江省自然科学基金重点项目;黑龙江省自然科学基金项目;黑龙江省政府博士后资助经费;黑龙江省博士后科研启动金资助项目

在线出版日期：2022-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：136-142