基于K-means和特征提取的植物叶部病害检测与实现
2021-08-25李亚文陈月星
陕西农业科学 2021年6期
李亚文 ,张 军, 陈月星
(商洛学院 电子信息工程与电气工程学院, 陕西 商洛 726000)
0 引言
计算机图像分析技术应用于植物病虫害识别研究始于20世纪80年代中期[1]。穗波信雄(1989,1992)对缺素的茨菇叶片进行了室外图像获取,从病态叶部图像中除去背景,针对正常叶部和病态叶部部分的色度直方图展开了论述[2]。Rocha 等[3]从特征融合的思维来开展果蔬识别检测研究,对比和差直方图、颜色聚合向量、颜色直方图等纹理、颜色特征在不同分类下的检测效果,结果显示使用这三类特征结合取得了很好的识别检测结果。从20世纪90年代初开始,国内一些农业院校和科研所陆续将计算机图像处理应用于农业研究中,崔艳丽等[4-5]2005年运用图像处理对两种黄瓜病进行了研究,胡春华等[6]2004年在RGB颜色空间以G/B,G/R统计特征为缺素黄瓜叶片的颜色特征,谭峰等[7]运用数字图像处理技术与BP神经网络技术;王守志等[8]以玉米病叶片病斑图像的特殊点,对叶部病斑分割,然后提取病害图像的纹理特征与颜色特征进行识别检测,识别精度为82.5%。笔者以提高植物病害检测准确率为目标,针对植物叶部病害和植物叶部正常图片展开相关研究。以苹果叶枯病的植物病害和苹果正常叶部图片为例对其图像分割、特征提取、病害识别等关键技术进行研究。重点利用K-means算法对原始图像进行病斑分割技术、基于颜色特征提取的植物叶部病害的检测与实现,以提高检测率。
1 核K--means均值聚类算法
设数据集{X(1),X(2),X(3),…,X(M),其中X(i)∈RN,i=1,2,…,M。……
登录APP查看全文
