本文主要研究内容
作者马超,袁涛,姚鑫锋,籍延宝,李琳一（2019）在《基于HOG+SVM的田间水稻病害图像识别方法研究》一文中研究指出：目前,基于机器视觉的病虫害识别方法普遍存在病虫害图片拍摄条件要求严苛、图片预处理步骤繁琐、图像处理技术难度高的问题,导致该技术在生产中实用性不强。本文以田间开放环境下采集的水稻主要病害图片为研究对象,提出一种基于方向梯度直方图(HOG)特征和支持向量机(SVM)的水稻病害检测方法,先对训练集中病斑样本块和非病斑样本块提取HOG特征,运用HOG特征作为输入向量代入SVM分类器进行训练,训练好的分类器用于整幅图的病斑自动检测。研究结果表明,HOG+SVM对多种病斑检测的综合识别率可达94%以上,HOG+SVM病斑定位正确率可达91. 7%。该方法具有拍摄环境兼容性较高,处理过程简便,对样本数量要求不高等优点,可对农田开放环境下采集的图片进行病害识别和评估。
Abstract
mu qian ,ji yu ji qi shi jiao de bing chong hai shi bie fang fa pu bian cun zai bing chong hai tu pian pai she tiao jian yao qiu yan ke 、tu pian yu chu li bu zhou fan suo 、tu xiang chu li ji shu nan du gao de wen ti ,dao zhi gai ji shu zai sheng chan zhong shi yong xing bu jiang 。ben wen yi tian jian kai fang huan jing xia cai ji de shui dao zhu yao bing hai tu pian wei yan jiu dui xiang ,di chu yi chong ji yu fang xiang ti du zhi fang tu (HOG)te zheng he zhi chi xiang liang ji (SVM)de shui dao bing hai jian ce fang fa ,xian dui xun lian ji zhong bing ban yang ben kuai he fei bing ban yang ben kuai di qu HOGte zheng ,yun yong HOGte zheng zuo wei shu ru xiang liang dai ru SVMfen lei qi jin hang xun lian ,xun lian hao de fen lei qi yong yu zheng fu tu de bing ban zi dong jian ce 。yan jiu jie guo biao ming ,HOG+SVMdui duo chong bing ban jian ce de zeng ge shi bie lv ke da 94%yi shang ,HOG+SVMbing ban ding wei zheng que lv ke da 91. 7%。gai fang fa ju you pai she huan jing jian rong xing jiao gao ,chu li guo cheng jian bian ,dui yang ben shu liang yao qiu bu gao deng you dian ,ke dui nong tian kai fang huan jing xia cai ji de tu pian jin hang bing hai shi bie he ping gu 。
论文参考文献
论文详细介绍
论文作者分别是来自上海农业学报的马超,袁涛,姚鑫锋,籍延宝,李琳一，发表于刊物上海农业学报2019年05期论文，是一篇关于方向梯度直方图特征论文,支持向量机论文,水稻论文,病害识别论文,上海农业学报2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自上海农业学报2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：方向梯度直方图特征论文; 支持向量机论文; 水稻论文; 病害识别论文; 上海农业学报2019年05期论文;