科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统病害识别系统存在拍摄环境要求高、样本数量要求多的缺点,设计了一套增强现实(AR)辅助的基于方向梯度直方图(HOG)-支持向量机(SVM)的识别方案。在较少素材量的前提下,由于诊断系统中引入AR技术辅助拍摄,在训练时长、识别速度以及平均精度上优于其他方法。以安卓终端为例,实现了AR辅助基于HOG-SVM的移动水稻病害识别系统,能够快速识别病害指导用户提高拍摄图片的质量。通过对批量图片进行病斑识别,分别从病害准确率、病害叶片检出率和病斑定位准确率3方面对病斑识别结果进行分析,最终得出,AR技术与基于HOG-SVM快速识别方案的结合能够在小训练样本前提下给出更快的训练结果和识别结果,且平均精度高于YOLO v3,SSD 512和Fast R-CNN等深度模型,是一种比较合适目前移动端病害识别的方法。
- 单位
