基于FA-SVM技术的烟草早期病害识别

发布时间：2021-06-24 17:20

　　为准确检测和识别烟草病害,为制定合理的病害防治措施提供科学依据,提出基于萤火虫算法优化支持向量机（FA-SVM）技术的烟草早期病害识别方法。以烟草常见的蛙眼病与赤星病为研究对象,利用可见光拍摄带有2种病害的烟草植物叶片,获取图像样本。利用形态学方法和图像分割技术得到病斑图像。提取病斑的颜色、纹理及形态学等共计32个特征,构建原始特征空间。利用蚁群算法（Ant colony optimization,ACO）对特征空间进行优化,依据适应度值选取最优特征组合,当适应度值达到最高为95.68时,有13个特征被选择。运用萤火虫算法（Firefly algorithm,FA）优化支持向量机（Support vector machine,SVM）的惩罚因子（c）与径向基核函数参数（g）,提高分类器性能。当c=94.12、g=2.43时,对不同发育时期的2种病害的识别率达到96%。结果表明,利用FA-SVM技术识别烟草蛙眼病与赤星病2种常见病害是可行的。 

【文章来源】：河南农业科学. 2020,49(08)北大核心

【文章页数】：6 页

【部分图文】：

烟草蛙眼病

图1 烟草蛙眼病图像中背景部分主要为植物叶片,病斑图像在颜色、纹理等方面与背景图像相差较大。根据目标与背景的颜色差异,并结合图像处理方法实现对病斑图像的分割。

由图1、2可知,2种病害的中期病斑与叶片在颜色和纹理上有明显的不同。利用中值滤波方法对样本图像进行滤除处理,利用超绿分割算法分割出叶片图像,结合连通区域标记法去除小面积样本,消除噪声影响。对分割出的叶片图像进行二值化操作,并进行取反,得到病斑二值图像如图3所示。利用病斑的二值图像对原始样本图像进行处理,去除叶片背景,得到2种病害的病斑图像,如图4所示。

【参考文献】：
期刊论文
[1]烤烟赤星病发生规律及影响因素调查研究[J]. 唐明,程智敏,向金友,陈叙生,杨懿德,蔡毅,杨苹,黄胜,杨洋,鄢敏.  现代农业科技. 2019(15)
[2]烟草病虫害产生原因及预防措施研究[J]. 黎远珍.  南方农业. 2019(17)
[3]烟草赤星病的发生及综合防治研究进展[J]. 杨梅.  现代农业科技. 2019(01)
[4]基于数字图像处理技术的赤星病烟叶图像判别[J]. 滕娟,李建锋,陈留洋,杨举.  吉首大学学报(自然科学版). 2017(02)
[5]陕西烟田主要病害种类调查与病毒分子检测[J]. 吴宽,陈伟,成巨龙,康振生.  西北农业学报. 2016(06)
[6]基于计算机视觉的烟叶病害识别研究[J]. 喻勇,张云伟,王静,王大龙,王彦钧,包俊.  计算机工程与应用. 2015(20)
[7]基于图像处理和模糊识别技术的烟叶病害识别研究[J]. 王建玺,徐向艺.  现代电子技术. 2015(08)
[8]基于病斑特征融合的烟草病害图像检索方法[J]. 濮永仙.  河南农业科学. 2015(02)
[9]黑龙江省常见烟草病害的识别与防治[J]. 胡英凯,孙永红.  现代农业科技. 2013(24)
[10]烟草主要病害及其相关检测方法研究进展[J]. 陈雪娇,李云飞,李刚,宗凯,郑海松,孙娟娟,姚剑,余晓峰,徐业平.  河南农业科学. 2013(11)

硕士论文
[1]赤星病烟叶图像分割研究[D]. 滕娟.吉首大学 2017
[2]基于卷积神经网络的烟草病害自动识别研究[D]. 李敬.山东农业大学 2016
[3]烟草病害自动识别诊断系统的研究[D]. 张艳令.山东农业大学 2015



本文编号：3247518