基于粒子群算法和支持向量機的黃花菜葉部病害識別

孫 瑜，張永梅，武玉軍

（1山西農業大學信息科學與工程學院，山西 太谷 030801；2大同大學，山西 大同 037000）

0 引言

大同黃花是山西省地方名優蔬菜品種，已成功申報國家級特色農產品，同時入選全國第二批產業扶貧典型范例[1]。大同民間黃花菜主要通過分株繁殖的方式獲取種苗，易產生病害，同時大同黃花菜種植不斷擴張，從全國的黃花主產區調運黃花種苗也引入了病害[2]。黃花菜病害導致減產可達10% ～20%[3]，及早精確識別發現并防控病害，能夠有效減少病害對黃花菜產量和質量的影響。計算機圖像識別技術已廣泛應用于農作物病害識別，利用數字圖像技術可實時監測作物生長狀況。李旺[4]以黃瓜葉部病害為研究對象，提取黃瓜葉部顏色、形狀和紋理特征，基于支持向量機(SVM)訓練分類模型，實現了對黃瓜葉片常見3種病害的識別。楊英茹[5]針對小樣本及復雜環境，使用滑動窗口將番茄葉部病害切割成小區域圖像實現病害區域分割，提取顏色紋理特征(CCL)，基于CCL-SVM對番茄早疫病、白粉病、斑潛蠅和健康葉片實現分類識別。郭小清等[6]以番茄晚疫病、花葉病、早疫病葉片圖像為研究對象，提取四維H分量等量分割波段的顏色特征和三維均值、對比度和熵的紋理特征作為輸入，用粒子群算法(PSO)優化SVM模型參數，特征融合模型識別準確率高達90%。劉翠翠等[7]以川麥冬葉部3種病害圖像為對象，采用K-means聚類算法分割病斑，通過特征融合構成特征向量進行主成分分析，基于支持向量機設計多級分類器實現病害識別。……