為準確檢測和識別煙草病害,為制定合理的病害防治措施提供科學(xué)依據(jù),提出基于螢火蟲算法優(yōu)化支持向量機（FA-SVM）技術(shù)的煙草早期病害識別方法。以煙草常見的蛙眼病與赤星病為研究對象,利用可見光拍攝帶有2種病害的煙草植物葉片,獲取圖像樣本。利用形態(tài)學(xué)方法和圖像分割技術(shù)得到病斑圖像。提取病斑的顏色、紋理及形態(tài)學(xué)等共計32個特征,構(gòu)建原始特征空間。利用蟻群算法（Ant colony optimization,ACO）對特征空間進行優(yōu)化,依據(jù)適應(yīng)度值選取最優(yōu)特征組合,當(dāng)適應(yīng)度值達到最高為95.68時,有13個特征被選擇。運用螢火蟲算法（Firefly algorithm,FA）優(yōu)化支持向量機（Support vector machine,SVM）的懲罰因子（c）與徑向基核函數(shù)參數(shù)（g）,提高分類器性能。當(dāng)c=94.12、g=2.43時,對不同發(fā)育時期的2種病害的識別率達到96%。結(jié)果表明,利用FA-SVM技術(shù)識別煙草蛙眼病與赤星病2種常見病害是可行的。 

【文章來源】：河南農(nóng)業(yè)科學(xué). 2020,49(08)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

煙草蛙眼病

圖1 煙草蛙眼病圖像中背景部分主要為植物葉片,病斑圖像在顏色、紋理等方面與背景圖像相差較大。根據(jù)目標與背景的顏色差異,并結(jié)合圖像處理方法實現(xiàn)對病斑圖像的分割。

由圖1、2可知,2種病害的中期病斑與葉片在顏色和紋理上有明顯的不同。利用中值濾波方法對樣本圖像進行濾除處理,利用超綠分割算法分割出葉片圖像,結(jié)合連通區(qū)域標記法去除小面積樣本,消除噪聲影響。對分割出的葉片圖像進行二值化操作,并進行取反,得到病斑二值圖像如圖3所示。利用病斑的二值圖像對原始樣本圖像進行處理,去除葉片背景,得到2種病害的病斑圖像,如圖4所示。

【參考文獻】：
期刊論文
[1]烤煙赤星病發(fā)生規(guī)律及影響因素調(diào)查研究[J]. 唐明,程智敏,向金友,陳敘生,楊懿德,蔡毅,楊蘋,黃勝,楊洋,鄢敏.  現(xiàn)代農(nóng)業(yè)科技. 2019(15)
[2]煙草病蟲害產(chǎn)生原因及預(yù)防措施研究[J]. 黎遠珍.  南方農(nóng)業(yè). 2019(17)
[3]煙草赤星病的發(fā)生及綜合防治研究進展[J]. 楊梅.  現(xiàn)代農(nóng)業(yè)科技. 2019(01)
[4]基于數(shù)字圖像處理技術(shù)的赤星病煙葉圖像判別[J]. 滕娟,李建鋒,陳留洋,楊舉.  吉首大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[5]陜西煙田主要病害種類調(diào)查與病毒分子檢測[J]. 吳寬,陳偉,成巨龍,康振生.  西北農(nóng)業(yè)學(xué)報. 2016(06)
[6]基于計算機視覺的煙葉病害識別研究[J]. 喻勇,張云偉,王靜,王大龍,王彥鈞,包俊.  計算機工程與應(yīng)用. 2015(20)
[7]基于圖像處理和模糊識別技術(shù)的煙葉病害識別研究[J]. 王建璽,徐向藝.  現(xiàn)代電子技術(shù). 2015(08)
[8]基于病斑特征融合的煙草病害圖像檢索方法[J]. 濮永仙.  河南農(nóng)業(yè)科學(xué). 2015(02)
[9]黑龍江省常見煙草病害的識別與防治[J]. 胡英凱,孫永紅.  現(xiàn)代農(nóng)業(yè)科技. 2013(24)
[10]煙草主要病害及其相關(guān)檢測方法研究進展[J]. 陳雪嬌,李云飛,李剛,宗凱,鄭海松,孫娟娟,姚劍,余曉峰,徐業(yè)平.  河南農(nóng)業(yè)科學(xué). 2013(11)

碩士論文
[1]赤星病煙葉圖像分割研究[D]. 滕娟.吉首大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的煙草病害自動識別研究[D]. 李敬.山東農(nóng)業(yè)大學(xué) 2016
[3]煙草病害自動識別診斷系統(tǒng)的研究[D]. 張艷令.山東農(nóng)業(yè)大學(xué) 2015



本文編號：3247518