基于图像特征融合的麦冬叶部病害识别
2021-05-09朱皓睿胡钦云
湖北农业科学 2021年7期
关键词:特征
杨 涛,雷 进,朱皓睿,胡钦云,龙 波
(成都农业科技职业学院机电信息学院,成都611130)
“中国麦冬之乡”三台县有500多年麦冬种植栽培历史,“涪城麦冬”成为全国麦冬知名品牌,其产量占全国60%以上,出口量占全国80%以上,县内产值超15亿元[1]。然而,麦冬生产全程机械化程度不高,主要依靠人力。尤其是在麦冬病害防治方面,过度依赖农民种植经验、缺乏理论依据和科学指导,时常因错过最佳病害防治时期或防治措施不当带来巨大经济损失[2,3]。农作物病害防治一直是学者们研究的热点问题之一,孙云云等[4]运用卷积神经网络方法对小样本茶树病害图像识别展开了研究,基本实现了小样本情况下有效区分3种易混病害;蒋丰千等[5]提出一种基于卷积神经网络的生姜病害识别系统,并利用Qt开发了人机交互界面,显示了生姜所对应的4种病害及其患病概率;郭小清等[6]提出了一种适用于移动平台的多尺度识别模型,使得系统内存需求降低了95.4%;张善文等[7]提出了一种基于IDCNNs的苹果叶部病害识别方法,能直接从病害图像中提取分类特征并运用Softmax分类器成功分辨3种苹果叶部病害;胡维炜等[8]利用中值滤波结合K-means聚类方法分割出小麦白粉病、条锈病以及叶锈病,再提取了颜色和纹理特征参数,设计了一种基于Variance算法初选与序列浮动前向选择搜索算法(SFFS)相结合的特征选择方法,选出优良的特征子集,实现小麦叶部3种病害的识别;王震等[9]提出了一种小型多旋翼无人机水稻白穗病害识别系统,以无人机平台作为图像处理和识别的基础,提取Haar-like特征,运用Adaboost算法进行白穗训练识别,其识别率可达93.62%;……
登录APP查看全文
