搜公众号
推荐 原创 视频 Java开发 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库
Lambda在线 > 【论文精选】支持向量机结合区域生长算法识别蔬菜害虫

【论文精选】支持向量机结合区域生长算法识别蔬菜害虫

2018-07-06
举报

【论文精选】支持向量机结合区域生长算法识别蔬菜害虫


黄曲跳甲样本(上)、支持向量机分割结果(中)、结合区域生长网格法分割结果(下)


《农业工程学报》2018年第34卷第8期刊载了华南农业大学潘春华、肖德琴、林探宇和王春桃的论文——“基于SVM和区域生长结合算法的南方主要蔬菜害虫分类识别”。该研究由国家星火计划项目(项目号:2015GA780002)等资助

在南方地区,黄曲跳甲、烟粉虱、小菜蛾以及蓟马等害虫对蔬菜生长危害严重。为防治害虫,提高蔬菜产量,菜农大量使用农药,蔬菜生命期喷洒农药会多达10多次,不仅增加生产成本,还严重污染生产环境。根据虫害状况进行精准喷施,是控制农药使用量的最佳策略;而关键是需清楚害虫的种类、数量、危害程度及分布状况等虫情信息。

 

近年来,利用图像处理技术识别害虫得到了广泛的重视。但是对小型蔬菜害虫的识别大多还在实验室进行,而且种类也局限在1-2种。该文基于支持向量机与区域生长结合算法,设计了一种对黄曲条跳甲、烟粉虱、小菜蛾、蓟马等多种蔬菜害虫进行分类识别的检测算法。


支持向量机是一种机器学习方法。该方法针对小样本数据进行学习,使用支持向量对线形和非线性数据进行分类,在统计样本量较少的情况下,亦能获得良好统计规律。区域生长是将具有相似性的像素集合起来构成区域的图像分割方法,能将具有相同特征的联通区域分割出来,并能提供很好的边界信息和分割结果。


该方案将识别过程融入到分割中,采用网格法进行区域生长种子点的选取,简化图像处理的步骤。对黄曲条跳甲、烟粉虱、小菜蛾、蓟马成功率为分别为96.4%、93.2%、95.4%、98.3%。


因此,该算法达到了对多种害虫进行分类的效果,有较好的应用前景。


长按识别二维码 关注“农业工程学报”

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《【论文精选】支持向量机结合区域生长算法识别蔬菜害虫》的版权归原作者「农业工程学报」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注农业工程学报微信公众号

农业工程学报微信公众号:gh_c45100f8f9c0

农业工程学报

手机扫描上方二维码即可关注农业工程学报微信公众号

农业工程学报最新文章

精品公众号随机推荐

举报