【疾病检测】基于支持向量机SVM实现玉米种子破损识别含Matlab源码

1 简介

针对农业领域植物病虫害检测问题,提出一种基于高清视频图像融合特征的支持向量机( SVM)的检测方法,实现农业生产中植物病虫害的快速检测.对每幅植物叶片图像的颜色,HSV,纹理和方向梯度直方图四种特征采用基于特征包的多特征融合方法,形成特征向量,并利用SVM分类器进行训练分类.对单特征与融合特征的SVM分类器性能进行试验比较,所提出的方法具有较高的准确率.

植物病害是指植物在生物或非生物因素的影响下，发生的形态、生理和生化上的病理变化，会阻碍植物正常生长、发育和结果的进程。其中，植物叶部病害非常广泛且后果相当严重。植物叶片病害影响叶片的光合作用效能，成为作物高产的主要障碍，影响作物的效益。及时发现和有效预防植物叶部病害成为农业发展中的重要问题。目前，对叶片病害与否的判断及病害种类的判断主要依靠人工，识别率和效率较低且造成种植者滥用农药。对病害的自动化识别是现代化农业发展的方向。随着科技的不断进步，数字图像处理、人工智能等技术得到综合运用。通过对基于图像处理的植物叶部病害进行检测与分类，合理施用农药可保证作物的健康生长，进而提高作物的产量。

2 部分代码

登录后复制

          
          

           
           function [B ,source]= Readimg(fullfilename,handles)
           
           
%str = fullfile('pics',filename);
           
           
I=imread(fullfilename);
           
           
source  = I;
           
           
I0=I;
           
           
% I=imresize(I,[696 928]);
           
           
% 显示
           
           
%figure
           
           
%imshow(I);
           
           
%title('原图');
           
           
%% 二值化部分
           
           
[M,N,C]=size(I);
           
           
% 转灰度图
           
           
if C>1
           
           
    I_gray=rgb2gray(I);
           
           
else
           
           
    I_gray=I;
           
           
end
           
           
%figure(2001);
           
           
axes(handles.axes_origin);
           
           
imshow(I_gray);
           
           
I_bw=im2bw(I_gray,0.25);
           
           
%% 形态学处理
           
           
I_bw=bwareaopen(I_bw,150);
           
           
%% 标记部分
           
           
% 标记
           
           
[B,L]=bwboundaries(I_bw,'noholes');
          
          

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.

3 仿真结果

4 参考文献

[1]崔欣, 张鹏, 赵静,等. 基于机器视觉的玉米种粒破损识别方法研究[J]. 农机化研究, 2019.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。