基于图像分析的橘科植物病害识别技术
DOI:
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Identification of the Orange Plant Disease Based on the Analysis of the Image
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为实现橘科植物病害的计算机识别和病害程度的科学评价, 提出通过分析病害图像, 自动提取有效特征,设计分类器模型识别的方法. 深入研究了怎样对病害图像进行自动增强处理、病斑分割、特征提取, 以及怎样构建分类器模型等技术. 最后以常见也容易混淆的五种柠檬病害为例, 提取其病斑色调、纹理、形态三种特征向量,分别采用支持向量机和BP 神经网络进行训练、测试. 实验结果表明, 该方法能很好识别植物病害类别, 为科学防治和病害危害程度评价提供科学依据.

    Abstract:

    To achieve the computer identification of orange secco plant disease and the scientific evaluation of disease levels,the paper proposed a identification method through the analysis of disease image, automatic extract the effective feature, design classifier model.In the paper method was studied how to enhancement processing the diseases of image, segmentat disease spot, extract feature, and Construct classifier model, etc. Then for example five of confusion between the diseases, extracting the disease spots the tone and texture, shape characteristics, after optimization respectively by using support vector machine (SVM) and BP neural network to identify disease categories. The experimental results show that this method can be a very good recognition plant disease categories for scientific control and give a scientific evaluation for the plant disease harm degree.

    参考文献
    相似文献
    引证文献
引用本文

濮永仙.基于图像分析的橘科植物病害识别技术.计算机系统应用,2012,21(12):158-162

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-04-27
  • 最后修改日期:2012-06-03
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号