基于方向梯度直方图和局部二值模式混合特征的水稻病虫害识别方法研究

作者：杨颖; 文小玲; 章秀华^*

来源：河南农业大学学报, 2021, 55(06): 1089-1096.

DOI：10.16445/j.cnki.1000-2340.20210908.002

• 水稻病虫害
• 图像识别
• 方向梯度直方图
• 局部二值模式
• 支持向量机

为解决判定水稻病虫害类型所需样本多、处理设备要求高等问题,以健康水稻及褐斑病、铁甲虫病、稻瘟病水稻为研究对象,基于方向梯度直方图(histograms of oriented gradients, HOG)和局部二值模式(local binary pattern, LBP)加权融合的方法对水稻病虫害图像提取特征,利用支持向量机(support vector machine, SVM)对水稻进行分类识别。结果表明,基于HOG和LBP混合特征的水稻病虫害识别方法在小样本的情况下识别分类正确率为94.2%,优于HOG、LBP及GLCM(gray-level co-occurrence matrix)单一特征描述分类准确率。通过进一步结合多尺度检测对病斑目标定位,该方法所得检出率为90.7%,高于YOLO v3和Fast R-CNN深度学习算法,并获得最短训练时间。本研究在样本量少及处理效率方面具有明显优势,能够满足田间对水稻病虫害分类及检测的农业需求,在今后农业信息化领域具有巨大应用潜能,适用于结合移动设备进行田间交互采集处理。

• 单位
  武汉工程大学