基于多特征融合和 SVM 分类器的植物病虫害检测方法.pdfVIP

第31卷第12期 计算机应用与软件 Vo1．31 No．12 2014年 12月 ComputerApplicationsandSoftware Dec．2014 基于多特征融合和 SVM 分类器的植物病虫害检测方法 蒋龙泉 鲁 帅 冯 瑞 郭跃飞 (复旦大学计算机科学技术学院 上海201203) 摘 要 针对农业领域植物病虫害检测问题，提出一种基于高清视频图像融合特征的支持 向量机 (SVM)的检测方法，实现农业 生产中植物病虫害的快速检测。对每幅植物叶片图像的颜色、HSV、纹理和方向梯度直方图四种特征采用基于特征包的多特征融合 方法，形成特征向量，并利用SVM分类器进行训练分类。对单特征与融合特征的SVM分类器性能进行试验比较，所提 出的方法具 有较高的准确率。 关键词 植物病虫害 多特征融合 特征包 支持 向量机 分类器 中图分类号 TP3 文献标识码 A DOI：10．3969／j．issn．1000~86x．2014．12．044 A PLANT PESTSAND DISEASESDETECTIoN M ETHoD BASED oN MULTI-FEATURESFUSIoN AND SVM CLASSIFIER JiangLongquan LuShuai FengRui GuoYuefei (SchoolofComputerScience，FudanUniversity，Shanghai201203，China) Abstract Forplantpestsanddiseasesdetectionissueinagriculturefield，weproposeadetectionmethodtorealisethefastdetectionof plantpestsanddiseasesinagriculturalproduction，whichisbasedontheSVM withthefeatureofhigh．definitionvideoimagefusion．Forfour kindsoffeaturesofeachplantleafimage，thecolour，HSV，textureanddirectionalgradienthistorgam ，themethodadoptsthebagoffeatures— basedmulti—featuresfusionapproachtoform theeigenvector，andusesSVM classifiertotraintheclassification．Themethodraised inthe paperhashigheraccuracyrate，thisisprovedbythecomparativetestbetweentheSVM classifierswiththefunctionofmono—featureandof fusionfeattire． Keywords Plantpestsanddiseases Multi--featurefusion BagofFeatures Supportvectormachine Classification (2)化学检测 0 引 言 利用植物叶片的化学成分分析识别病虫害，具有准确可靠 的优点，但由于检测设备昂贵，操作复杂，安装调试困难，检测时 植物病虫害是我国的主要农业灾害之一，会严重影响农业 间长等问题 ，并没有被普遍推广使用。 生产过程中作物的产量和质量，诊治植物病虫害关系到农业生 (3)光谱技术检测 光谱图像分析利