基于深度学习和支持向量机的4种苜蓿叶部病害图像识别

发布时间：2018-03-10 12:15

本文选题：苜蓿　切入点：病害　出处：《中国农业大学学报》2017年07期 　论文类型：期刊论文

【摘要】：为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。
[Abstract]:In order to diagnose and distinguish alfalfa leaf diseases quickly and accurately, four common alfalfa leaf diseases (alfalfa brown spot, rust) were studied based on image processing technology. The method of identifying the leaf spot of small light shell and the leaf spot of cemocystis was explored. The 899 images of alfalfa leaf diseases were collected, and one sub-image was obtained from each original image by artificial cutting method. Then using K-median clustering algorithm and linear discriminant analysis to segment the disease spot image. A total of 1,651 typical disease images of four diseases were obtained (only one disease spot was found in each typical disease image). The feature of disease spot image was extracted based on convolution neural network. A support vector machine (SVM) support vector machine (SVM) model for disease identification is established. The results show that when the image size is normalized to 32 脳 32 pixels, The SVM model for disease identification is optimal based on the normalized feature HSV (i.e. feature H, feature S and feature V normalized combined feature). The correct recognition rate of the training set is 94.91 and the correct rate of the test set is 87.48.The disease recognition model based on depth learning and SVM can be used to identify the four alfalfa leaf diseases mentioned above.
【作者单位】：中国农业大学植物保护学院;河北北方学院农林科技学院;中国科学院微生物研究所;
【基金】：公益性行业(农业)科研专项经费项目(201303057)
【分类号】：TP18;TP391.41

【参考文献】

相关期刊论文前10条

1 秦丰;刘东霞;孙炳达;阮柳;马占鸿;王海光;;基于图像处理技术的四种苜蓿叶部病害的识别[J];中国农业大学学报;2016年10期

2 叶海建;郎睿;刘成启;李民赞;;基于视觉显著性图的黄瓜霜霉病识别方法[J];农业机械学报;2016年05期

3 祁钊;江朝晖;杨春合;刘连忠;饶元;;基于图像技术的玉米叶部病害识别研究[J];安徽农业大学学报;2016年02期

4 王细萍;黄婷;谭文学;吴华瑞;孙闯;;基于卷积网络的苹果病变图像识别方法[J];计算机工程;2015年12期

5 屈峗;陶晡;王政嘉;王树桐;;基于Android的苹果叶部病害识别系统设计[J];河北农业大学学报;2015年06期

6 谭文学;赵春江;吴华瑞;高荣华;;基于弹性动量深度学习神经网络的果体病理图像识别[J];农业机械学报;2015年01期

7 程学旗;靳小龙;王元卓;郭嘉丰;张铁赢;李国杰;;大数据系统和分析技术综述[J];软件学报;2014年09期

8 夏永泉;王会敏;曾莎;;基于Android的植物叶片图像病害检测[J];郑州轻工业学院学报(自然科学版);2014年02期

9 何峰;韩冬梅;万里强;李向林;;我国主产区紫花苜蓿营养状况分析[J];植物营养与肥料学报;2014年02期

10 李冠林;马占鸿;王海光;;基于支持向量机的小麦条锈病和叶锈病图像识别[J];中国农业大学学报;2012年02期

【共引文献】

相关期刊论文前10条

1 吴云;许抗震;黄瑞章;;一种基于Hadoop的文本相似度仿真检测模型[J];新疆大学学报(自然科学版);2017年03期

2 宋惠莺;姚思勤;章民融;;电子资源海量访问行为的采集优化研究[J];计算机应用与软件;2017年08期

3 尚东方;;基于大数据的交通管理系统[J];科技与创新;2017年15期

4 卫尧;;大数据环境下对数据分析技术的研究[J];电脑编程技巧与维护;2017年15期

5 曾小青;张若欣;欧阳文光;王琪;;大数据环境下精准客户定位的社交网络分析[J];计算机工程与应用;2017年15期

6 赵妍;苏玉召;;一种批量数据处理的云存储方法[J];科技通报;2017年07期

7 陈纯;张勇;黄绍中;谢小平;;2005—2014年福建省直单位参保人群心脑血管疾病患病情况及治疗费用分析[J];中国新药与临床杂志;2017年07期

8 林旺群;高晨旭;陶克;邓波;包阳;;面向特定领域大数据平台架构及标准化研究[J];大数据;2017年04期

9 王崇骏;;大数据价值期望探讨[J];大数据;2017年04期

10 秦丰;刘东霞;孙炳达;阮柳;马占鸿;王海光;;基于深度学习和支持向量机的4种苜蓿叶部病害图像识别[J];中国农业大学学报;2017年07期

【二级参考文献】

相关期刊论文前10条

1 熊艳;王鹤冰;向华丰;张洪成;;黄瓜霜霉病研究进展[J];中国农学通报;2016年01期

2 屈峗;陶晡;王政嘉;王树桐;;基于Android的苹果叶部病害识别系统设计[J];河北农业大学学报;2015年06期

3 杨春合;江朝晖;杨宝华;陈yN琼;刘连忠;;基于移动互联网图像处理模式的作物叶片含水量检测研究[J];浙江农业学报;2015年10期

4 江朝晖;杨春合;周琼;饶元;刘莉;;基于图像特征的越冬期冬小麦冠层含水率检测[J];农业机械学报;2015年12期

5 周强强;王志成;赵卫东;陈宇飞;;基于水平集和视觉显著性的植物病害叶片图像分割[J];同济大学学报(自然科学版);2015年09期

6 许良凤;徐小兵;胡敏;王儒敬;谢成军;陈红波;;基于多分类器融合的玉米叶部病害识别[J];农业工程学报;2015年14期

7 马浚诚;李鑫星;温皓杰;陈英义;傅泽田;张领先;;面向叶类蔬菜病害识别的温室监控视频采集系统[J];农业机械学报;2015年03期

8 张芳;王璐;付立思;田有文;;复杂背景下黄瓜病害叶片的分割方法研究[J];浙江农业学报;2014年05期

9 李志霞;聂继云;李静;徐国锋;李海飞;闫震;毋永龙;匡立学;;我国苹果产业发展分析与建议[J];中国果树;2014年05期

10 胡峻峰;曹军;;基于语义挖掘的室性心动过速及心室纤颤检测[J];计算机工程;2014年07期

【相似文献】

相关期刊论文前10条

1 陈宁;;交通中的图像识别应用[J];软件工程师;2012年04期

2 殷晓磊;;海讯图像识别连结“天”与“地”——专访上海亮风台(上海)信息科技有限公司联合创始人廖春元[J];上海信息化;2013年06期

3 高岩,蔡韩辉,丁智,郑根福,谢骏;图像识别中的小内孔问题[J];大连轻工业学院学报;2000年04期

4 丁国芳,谭兆信,汤庸,章云;图像识别的一个综合网络模型及其应用[J];贵州工业大学学报(自然科学版);2002年04期

5 张晓春,刘岩;基于计算机图像识别的表面裂纹检测方法[J];重型机械;2003年05期

6 张艳辉 ,孙以材;图像识别在四探针测试技术中的应用[J];电子产品世界;2004年03期

7 赵新子,吴巍,司秀丽,袁洪印;玉米种子活力图像识别与处理技术研究[J];吉林农业大学学报;2004年05期

8 司秀丽;吴巍;赵新子;彭占武;袁洪印;;玉米种子纯度的计算机图像识别[J];吉林农业大学学报;2005年06期

9 马仲智;;基于单片机的图像识别模组的研究[J];科技信息(科学教研);2007年18期

10 王方永;王克如;王崇桃;李少昆;朱玉;陈兵;明博;潘文超;;基于图像识别的棉花水分状况诊断研究[J];石河子大学学报(自然科学版);2007年04期