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
function [itrfin] = multisvm( T,C,test ) %Inputs: T=Training Matrix, C=Group, test=Testing matrix %Outputs: itrfin=Resultant class itrind=size(test,1); itrfin=[]; Cb=C; Tb=T; for tempind=1:itrind tst=test(tempind,:); C=Cb; T=Tb; u=unique(C); N=length(u); c4=[]; c3=[]; j=1; k=1; if(N>2) itr=1; classes=0; cond=max(C)-min(C); while((classes~=1)&&(itr<=length(u))&& size(C,2)>1 && cond>0) %This while loop is the multiclass SVM Trick c1=(C==u(itr)); newClass=c1; %svmStruct = svmtrain(T,newClass,'kernel_function','rbf'); % I am using rbf kernel function, you must change it also svmStruct = svmtrain(T,newClass); classes = svmclassify(svmStruct,tst); % This is the loop for Reduction of Training Set for i=1:size(newClass,2) if newClass(1,i)==0; c3(k,:)=T(i,:); k=k+1; end end T=c3; c3=[]; k=1; % This is the loop for reduction of group for i=1:size(newClass,2) if newClass(1,i)==0; c4(1,j)=C(1,i); j=j+1; end end C=c4; c4=[]; j=1; cond=max(C)-min(C); % Condition for avoiding group %to contain similar type of values %and the reduce them to process % This condition can select the particular value of iteration % base on classes if classes~=1 itr=itr+1; end end end valt=Cb==u(itr);% This logic is used to allow classification val=Cb(valt==1);% of multiple rows testing matrix val=unique(val); itrfin(tempind,:)=val; end end % Give more suggestions for improving the program.
3 仿真结果
4 参考文献
[1]蒋龙泉, 鲁帅, 冯瑞,等. 基于多特征融合和 SVM 分类器的植物病虫害检测方法[J]. 计算机应用与软件, 2014, 31(12):5.