APP下载

基于Spark的支持向量机在小麦病害图像识别中的应用

2017-07-31林中琦牟少敏时爱菊孙肖肖李磊

河南农业科学 2017年7期
关键词:分类

林中琦,牟少敏*,时爱菊,孙肖肖,李磊

(1.山东农业大学信息科学与工程学院,山东泰安271018; 2.山东农业大学化学与材料科学学院,山东泰安271018)

基于Spark的支持向量机在小麦病害图像识别中的应用

林中琦1,牟少敏1*,时爱菊2,孙肖肖1,李磊1

(1.山东农业大学信息科学与工程学院,山东泰安271018; 2.山东农业大学化学与材料科学学院,山东泰安271018)

为了提高小麦病害图像分类的效率,提出了一种基于Spark的并行式支持向量机算法。首先对小麦病害图像进行滤波去噪、灰度压缩等处理,利用灰度共生矩阵、不变矩阵等从颜色、纹理和形状3个方面提取49个特征向量;然后通过数据集的切分和并行框架的支持,将大数据并行处理技术Spark与支持向量机结合,运用Scala语言实现了串行支持向量机算法的并行化,并将其应用于小麦病害图像识别。针对小麦锈病和白粉病的图像分类测试结果表明,当测试图像分别是2 600、3 900、5 120张时,该算法对锈病的分类精度依次是76.03%、81.18%、77.82%,对白粉病的分类精度依次是83.27%、85.91%、83.14%,比串行支持向量机分类精度有所提升。分类时间依次是13 928.0、18 506.1、24 897.2 ms,明显低于串行支持向量机的分类时间。改进的算法实现了小麦病害分类精度的小幅度提升,明显提高了处理速度,具有较快的学习收敛速率。

小麦病害;图像分类;Spark;支持向量机;大数据;并行计算;图像特征提取

目前,小麦病害识别基本上是凭借植保专家和务农人员的专业知识和工作经验进行判断和归类,费时费力,效率较低,严重影响小麦病害防治工作的精准性和时效性。……

登录APP查看全文

猜你喜欢

分类
分类算一算
垃圾分类的困惑你有吗
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧