中国学术期刊网络出版总库
  关闭
基于支持向量机和色度矩的植物病害识别研究  
   推荐 CAJ下载 PDF下载
【英文篇名】 Study on Plant Disease Recognition Using Support Vector Machine and Chromaticity Moments
【下载频次】 ★★★★★
【作者】 田有文; 张长水; 李成华;
【英文作者】 Tian Youwen Li Chenghua(Shenyang Agricultural University) Zhang Changshui(Tsinghua University);
【作者单位】 沈阳农业大学信息与电气工程学院; 清华大学自动化系; 沈阳农业大学工程学院 副教授博士生; 110161沈阳市; 教授博士生导师; 100084北京市;
【文献出处】 农业机械学报 , Transactions of The Chinese Society of Agricultural Machinery, 编辑部邮箱 2004年 03期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 植物病害; 纹理图像; 支持向量机; 色度矩;
【英文关键词】 Plant diseases; Texture image; Support vector machine; Chromaticity moments;
【摘要】 针对植物病害彩色纹理图像的特点 ,提出将支持向量机和色度矩分析方法相结合应用于植物病害识别中。首先利用色度矩提取植物病害叶片的特征向量 ,然后利用支持向量机分类方法进行病害的识别。黄瓜病害纹理图像识别实验分析表明 ,利用色度矩提取病害彩色纹理图像特征简便、快捷、分类效果好 ;支持向量机分类方法在病害分类时训练样本较少 ,具有良好的分类能力和泛化能力 ,适合于植物病害的分类。不同分类核函数的相互比较分析表明 ,线性核函数最适于植物病害的分类识别。
【英文摘要】 According to the features of color texture image of plant disease,recognition of plant disease using support vector machine (SVM) and chromaticity moments was introduced. At first,extracting features of chromaticity moments was done,then classification method of SVM for recognition of plant disease was discussed. Experimentation with cucumber disease was conducted and the results proved that chromaticity moments is simple,efficient,and effective for recognition of plant disease image,and the SVM method has ...
【更新日期】 2005-08-19
【分类号】 S432
【正文快照】 引言由于植物病症的外观表现难以用精确和定量的数值进行描述,故传统凭借经验和病理学知识进行病症分析和诊断往往出现偏差。植物病害由于致病病原物种类不同而使其病斑纹理各不相同,故可依据植物病害的纹理特征,利用计算机图像处理和模式识别技术对植物病害进行识别,它是植物?

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库 中国重要会议论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

农业科学
  植物保护
   病虫害及其防治
    植物病害及其防治
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号