基于复杂环境的番茄叶部图像病虫害识别

作     者：杨英茹 吴华瑞 张燕 朱华吉 李瑜玲 田国英 Yang Yingru;Wu Huarui;Zhang Yan;Zhu Huaji;Li Yuling;Tian Guoying

作者机构：石家庄市农林科学研究院石家庄市050041 石家庄市农业信息化技术创新中心石家庄市050041 国家农业信息化工程技术研究中心北京市100097 北京农业信息技术研究中心北京市100097 

基　　金：国家自然科学基金(61871041) 国家大宗蔬菜产业技术体系岗位专家项目(CARS—23—C06) 石家庄市科技计划(201490074A) 河北省重点研发计划项目(19226919D) 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2021年第42卷第9期

页      码：177-186页

摘      要：针对复杂环境下番茄叶部图像因其背景复杂导致病害识别较为困难,以温室大棚内采集的番茄叶部图像作为研究对象,对番茄白粉病、早疫病和斑潜蝇三种常见病虫害,提出一种结合颜色纹理特征的基于支持向量机(SVM)的CCL-SVM的复杂环境番茄叶部图像病害识别方法。CCL-SVM方法为实现小样本及复杂背景环境下的快速识别,首先采用滑动窗口将原始番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像样本作为试验样本,从而实现样本数量和样本多样性的增加,并降低样本复杂背景的影响。通过对样本数据抽取颜色纹理特征(CCL),采用SVM模型对番茄早疫病、白粉病、斑潜蝇和健康叶片分类识别。试验结果表明,提出的CCL-SVM方法比Gray-SVM对番茄叶片病害种类的识别性能得到大幅提升,识别率从60.63%提升到97.5%;CCL-SVM方法识别精度高于对比的深度学习网络VGG16和Alexnet方法,且每个小区域图像的平均测试时间远低于深度学习网络。本文设计的CCL-SVM方法具有减小复杂背景影响,计算量小及系统要求低的优点,为复杂环境下番茄病害快速识别提供一种新的思路。

主 题 词：番茄 复杂环境 滑动窗口 病害识别 CCL-SVM 

学科分类：082804[082804] 08[工学] 0828[工学-建筑类] 09[农学] 0904[农学-动物医学类] 090401[090401] 090402[090402] 

D　O　I：10.13733/j.jcam.issn.2095-5553.2021.09.25

馆 藏 号：203104923...