基于粒子群算法和支持向量机的黄花菜叶部病害识别

作者：**; 张永梅; 武玉军

来源：中国农学通报, 2022, 38(08): 135-140.

• 图像处理
• 黄花菜
• 病害识别
• 支持向量机
• 粒子群算法
• 多特征融合

使用数字图像处理技术，以黄花菜叶部病害图像为识别对象，基于Lab空间和K-means聚类算法分割病害区域，提取目标区域的颜色特征、方向梯度直方图(histogram of oriented gradient,HOG)特征和形状特征，分别建立单一特征模型和特征融合模型，采用粒子群(particle swarm optimization,PSO)算法通过交叉验证优化支持向量机(support vector machine,SVM)模型的惩罚因子和核参数，建立基于PSOSVM的多特征融合分类模型识别黄花菜病害。基于SVM的多特征融合分类模型识别率高于单一特征分类模型，识别率可达为81.67%；基于PSO-SVM多特征融合分类模型识别率高达92.39%。基于PSOSVM的多特征分类模型识别率高，可以及时、便捷、高效地识别黄花菜病害。

• 单位
  大同大学; 山西农业大学