作者：邹永杰; 张永军; 秦永彬; 郑世均番茄病虫害检测hog特征lbp特征
摘要：植物病虫害是农业部门面临的主要挑战,准确和快速地检测植物病虫害有助于发现早期治疗方法,同时大幅减少经济损失.基于机器学习的目标检测方法能够很大程度地提高物体检测和识别系统的准确性.提出了一种基于机器学习的番茄病虫害检测方法,通过提取有病虫害和无病虫害的番茄样本的HOG特征和LBP特征,然后结合SVM分类器训练样本得到检测模型.HOG特征能够较好地描述番茄叶的边缘特征,LBP特征能够较好地描述番茄叶的纹理特征,两个特征在一定程度上互补.实验结果表明,基于HOG与LBP特征结合检测有病虫害的番茄叶取得了较好的效果,该方法在全球AI挑战赛中农作物病害的番茄数据集取得了99.49%的检测率.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《南京师范大学学报·工程技术版》（季刊）创刊于2001年，由江苏教育厅主管，南京师范大学主办，CN刊号为：32-1684/T，自创刊以来，颇受业界和广大读者的关注和好评。 《南京师范大学学报·工程技术版》主要刊登电气工程、电子工程、动力工程、控制科学与工程、化学工程与技术、材料科学与工程、环境科学与工程、生物医学工程等领域的学术研究、技术研究和应用研究论文。为及时报导我校工程技术学科的新技术、新工艺、新进展，本刊还设置了“研究简报”专栏。
杂志详情
