中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于粒子群算法和支持向量机的黄花菜叶部病害识别 中国农学通报 2022,38 (8) 135-140
Position: Home > Articles > Recognition of Hemerocallis citrina Leaf Disease Based on PSO and SVM Chinese Agricultural Science Bulletin 2022,38 (8) 135-140

基于粒子群算法和支持向量机的黄花菜叶部病害识别

作  者：
孙瑜;张永梅;武玉军
单  位：
山西农业大学信息科学与工程学院;山西大同大学
关键词：
图像处理;黄花菜;病害识别;支持向量机;粒子群算法;多特征融合
摘  要：
使用数字图像处理技术,以黄花菜叶部病害图像为识别对象,基于Lab空间和K-means聚类算法分割病害区域,提取目标区域的颜色特征、方向梯度直方图(histogram of oriented gradient,HOG)特征和形状特征,分别建立单一特征模型和特征融合模型,采用粒子群(particle swarm optimization,PSO)算法通过交叉验证优化支持向量机(support vector machine,SVM)模型的惩罚因子和核参数,建立基于PSO-SVM的多特征融合分类模型识别黄花菜病害.基于SVM的多特征融合分类模型识别率高于单一特征分类模型,识别率可达为81.67%;基于PSO-SVM多特征融合分类模型识别率高达92.39%.基于PSO-SVM的多特征分类模型识别率高,可以及时、便捷、高效地识别黄花菜病害.
译  名：
Recognition of Hemerocallis citrina Leaf Disease Based on PSO and SVM

相似文章

导出引用
计量
文章访问数: 8
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46