当前位置: 首页 > 文章 > 基于视觉词袋模型的稻曲病发病程度感知 江苏农业科学 2021 (22) 198-203
Position: Home > Articles > 基于视觉词袋模型的稻曲病发病程度感知 Jiangsu Agricultural Sciences 2021 (22) 198-203

基于视觉词袋模型的稻曲病发病程度感知

作  者:
梁睿杰;陈丰农
单  位:
杭州电子科技大学自动化学院
关键词:
稻曲病;高光谱成像技术;病害程度分析;视觉词袋模型;支持向量机;自动化监测;
摘  要:
为了快速、精准地感知水稻稻曲病发病程度,以实现高度自动化的稻曲病大面积监测,结合高光谱成像和视觉词袋模型(BoVW)自动感知稻曲病发病程度。首先利用UHD185画幅式高光谱仪获取发病水稻光谱成像数据,利用主成分分析(PCA)筛选特征波段,再用正方格划分区域并获取区域特征,然后利用K-means算法聚类生成视觉词典,聚类中心作为视觉单词,最后利用矢量化和直方图统计得到视觉词袋模型表达。将198幅水稻高光谱图像的"视觉词袋模型表达-发病等级标签"作为数据集,随机选择3/5作为训练集,剩下的为测试集,采用支持向量机(SVM)建立稻曲病发病程度感知模型,感知精度为84.81%。结果表明,结合高光谱成像技术和视觉词袋模型可以有效感知稻曲病发病程度,为稻曲病大面积自动化监测提供参考。

相似文章

计量
文章访问数: 5
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊