基于椭圆-最大边缘准则学习的小麦叶片病害及其严重程度识别

2024-05-16 00:48:18

A B S T R A C T

快速准确地识别小麦叶片病害及其严重程度，有利于小麦叶片病害的准确防治。以白粉病和条锈病为研究对象，提出了一种基于椭圆-最大边际准则(E-MMC)度量学习的小麦叶片病害及其严重程度识别算法。与其他度量相比，椭圆度量结合MMC可以找到反映小麦叶病图像空间结构或语义信息的非线性变换，可以扩大不同类别之间的距离，更好地完成识别任务。在该算法中，根据小麦叶片图像中病害分布的特点，采用Otsu方法分割病害斑点。确定小麦病害斑图像中颜色特征和纹理特征的最佳组合，构建训练集。利用最大裕度准则和梯度上升法得到最优的椭圆度量矩阵，从而对样本特征空间进行变换，降低特征之间的相关性。然后对小麦白粉病、条锈病及其严重程度进行了鉴定。实验结果表明，该算法优于传统的支持向量机等算法。该算法的识别准确率最高可达94.16%。这些结果可为小麦叶片病害的智能识别和分类提供有价值的帮助。

1. Introduction

【1-2】小麦是我国主要粮食作物之一。小麦叶片病害，特别是白粉病和条锈病，严重影响小麦的产量和品质
【3】目前，小麦叶片病害的鉴定主要是通过人工观察。但人工方法存在准确率低、速度慢、误诊等问题，延误了疾病的防治，导致农药的误用和滥用
为了正确、恰当地喷洒农药，保证小麦的品质和产量，迫切需要找到一种能够准确识别小麦叶片病害及其严重程度的病害识别算法。
【4-7】近年来，图像处理和模式识别技术在作物病害识别中得到了广泛的应用，并取得了显著的效果
【8-9】传统上，线性判别分析、最近邻、决策树、支持向量机和神经网络是作物病害识别中常用的分类方法
【10】Johannes等人提出了一种基于候选热点检测和统计推断的图像处理算法来识别野生条件下

基于椭圆-最大边缘准则学习的小麦叶片病害及其严重程度识别相关推荐

Xception迁移学习：玉米叶片病害识别分类
Xception迁移学习:玉米叶片病害识别分类数据集:来自网上公开的PlantVillage数据集中的玉米叶片部分. 运行环境:Tensorflow深度学习开源框架,选用Python 3.6.12作 ...
基于深度学习的大豆叶片病害识别(自然环境下1470张图像)
Abstract 本文提出了一种利用卷积神经网络(CNN)识别自然环境下大豆叶片病害的新方法.使用AlexNet.GoogLeNet和ResNet进行迁移学习.首先,通过设置不同的批量大小和迭代次数, ...
基于深度学习的农作物叶片病害检测系统（UI界面+YOLOv5+训练数据集）
摘要:农作物叶片病害检测系统用于智能检测常见农作物叶片病害情况,自动化标注.记录和保存病害位置和类型,辅助作物病害防治以增加产值.本文详细介绍基于YOLOv5深度学习模型的农作物叶片病害检测系统,在介 ...
基于椭圆拟合的环岛识别方法
00摘要环岛元素是智能车比赛中较难处理的元素之一.比赛要求智能车能检测到环岛并从入口驶入,在绕行约 270°后驶出环岛,其中,能否高响应.高鲁棒性地检测环岛是后续进出环岛等步骤的基础.本文根据计算机 ...
边缘深度学习设备基准评测：英伟达Jetson Nano胜出
点击我爱计算机视觉标星,更快获取CVML新技术本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载. 选自tryolabs.com 作者:Juan Pablo 机器之 ...
基于链接预测和卷积学习的Web服务网络嵌入
Web Service Network Embedding based on Link Prediction and Convolutional Learning 这是我读研的第一篇论文,也是花了好几 ...
基于MVS的三维重建算法学习笔记（五）— 立体匹配经典算法PatchMatch论文翻译及要点解读
基于MVS的三维重建算法学习笔记(五)- 立体匹配经典算法PatchMatch论文翻译及要点解读声明问题提出问题建模通过PatchMatch获取平面参数--Inference via Patc ...
工业互联网和边缘计算学习总结
工业互联网和边缘计算学习总结一.工业互联网 1.工业互联网介绍工业互联网是通过新一代信息通信技术和网络平台把生产过程中涉及设备.生产线.工厂.供应商.产品和客户紧密地连接和融合起来,通过网络和平台 ...
基于联合分布适配的迁移学习(论文翻译)
基于联合分布适配的迁移学习 Abstract 迁移学习应用在计算机视觉是一种有效的技术,可以利用源域中丰富的标记数据为目标域构建准确的分类器.然而,大多数现有方法并没有同时减少域间边缘分布和条件分布的 ...

最新文章

热门文章