融合CNN多卷积特征与HOG的番茄叶部病害检测算法

作     者：刘君 王学伟 LIU Jun;WANG Xuewei

作者机构：潍坊科技学院山东省高校设施园艺实验室山东潍坊262700 

基　　金：山东省高等学校科研创新平台山东省高校设施园艺实验室资助项目(2019YY003,2018YY044,2018YY016,2018YY043) 寿光市应用技术研究与开发计划资助项目(2018JH12) 2019年度山东省民办高校基础能力建设工程资助项目 教育部科技发展中心创新基金资助项目(2018A02013) 2019年度教育部产学合作协同育人资助项目 潍坊市科技发展计划资助项目(2019GX081,2019GX082) 2018年度校级课题资助项目(2018RC002) 

出 版 物：《北方园艺》 (Northern Horticulture)

年 卷 期：2020年第4期

页      码：147-152页

摘      要：传统的番茄叶部病害检测依赖于耗时费力的人工特征设计,必须针对病害的不同分类精心设计相关特征。番茄叶部病害症状复杂,人工设计特征较难。卷积神经网络(convolutional neural network,CNN)可以自动挖掘出隐藏在病害图像内部的抽象特征,在图像识别领域性能优越。该研究提出采用CNN与传统的HOG+SVM算法相结合的方法,抽取番茄叶部病害的浅层特征,将其输入到HOG生成HOG特征并合并,最后输入SVM分类器得到病害检测结果。该研究方法能够改进番茄叶部病害的检测精度。

主 题 词：番茄叶部病害检测 卷积神经网络 多卷积特征 HOG 

学科分类：08[工学] 080203[080203] 09[农学] 0904[农学-动物医学类] 090401[090401] 0802[工学-机械学] 090402[090402] 

D　O　I：10.11937/bfyy.20193405

馆 藏 号：203885394...