基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究

论文摘要

以黄瓜叶部病害作为研究对象,基于可见光谱反射率差异识别黄瓜叶部病害,研究基于SVM的黄瓜叶部病害识别预测模型。采用小波变换进行数据预处理;选取Otsu、边缘分割法和K均值聚类三类分割方法进行病斑分割,比较错分率和运行时间,K均值聚类方法更适合黄瓜叶部病斑分割;提取纹理、颜色和形状特征参数,共15个特征参数;通过交叉验证选择最优参数c和g,对核函数参数进行优化处理,并通过比较线性核、多项式核、 RBF核等不同核函数情况下SVM的正确识别率,确定RBF核SVM模式识别方法能够更精准地识别黄瓜叶部病害。并将基于SVM与另外两种常见的黄瓜叶部病害识别方法, BP神经网络和模糊聚类进行比较,结果表明,基于SVM的识别模型对霜霉病的正确识别率为95%,白粉病和褐斑病的正确识别率均为90%,平均诊断正确率为92%;该模式识别方法识别效果最佳,运行时间最短,为基于可见光谱的黄瓜病害识别模型提供参考。

论文目录

• 引 言
• 1 实验部分
•   1.1 试验数据采集
•   1.2 样本数据的选择
•   1.3 数据预处理
•   1.4 支持向量机
• 2 结果与讨论
•   2.1 基于可见光图像的病害分割
•   2.2 基于SVM的核函数的选择
•     2.2.1 核函数参数优化处理
•     2.2.2 核函数参数优化处理
•     2.2.3 多种核函数分析对比
•   2.3 三种识别方法的模式比较分析
•     2.3.1 正确识别率的分析
•     2.3.2 运行时间的分析
•     2.3.3 综合比较与分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 李鑫星,朱晨光,白雪冰,毛富焕,傅泽田,张领先

关键词: 可见光谱,黄瓜叶部病害,病害识别,支持向量机,神经网络

来源: 光谱学与光谱分析 2019年07期

年度: 2019

分类: 基础科学,农业科技,信息科技

专业: 物理学,植物保护,园艺,自动化技术

单位: 中国农业大学信息与电气工程学院,农业部农业信息获取技术重点实验室

基金: 国家自然科学基金项目(31271618)资助

分类号: S436.421.1;TP18;O433

页码: 2250-2256

总页数: 7

文件大小: 789K

下载量: 321