基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

作     者：李翠玲 李余康 谭昊然 王秀 翟长远 LI Cuiling;LI Yukang;TAN Haoran;WANG Xiu;ZHAI Changyuan

作者机构：北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097 西北农林科技大学机械与电子工程学院陕西杨凌712100 

基　　金：江苏省农业自主创新基金项目(CX(20)3172) 国家自然科学基金面上项目(31971775) 重庆市技术创新与应用发展专项(cstc2019jscxgksbX0089) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第5期

页      码：225-236,324页

摘      要：针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和模型支持。

主 题 词：葡萄霜霉病 病害分级 K-means聚类 随机森林算法 HRNet v2 OCR 

学科分类：1305[艺术学-设计学类] 13[艺术学] 082804[082804] 08[工学] 0828[工学-建筑类] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2022.05.023

馆 藏 号：203111990...