基于SVM的设施番茄早疫病在线识别方法研究

摘要

为解决设施环境下番茄病害在线探测问题,以温室大棚内采集的番茄叶部图像作为研究对象,以番茄早疫病为例提出了一种结合颜色纹理特征(color moments+color coherence vector+co-occurrence among adjacent LBPs,CCR)并基于支持向量机(SVM)的CCR-SVM叶部图像病斑识别方法。为实现小样本及复杂背景下的快速识别,首先采用滑动窗口将训练用番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像作为样本,从而增加样本数量和多样性。通过训练的CCR-SVM模型对早疫病病斑子图像正负样本分类识别。实验结果表明,本文方法离线识别准确率为96.97%,在线平均识别准确率达86.39%,平均单帧图像识别时间为0.073 s。表明CCR-SVM模型可准确识别并定位复杂背景下的早疫病病斑,且该方法计算量小、系统要求低,为复杂环境下番茄病害快速识别提供了新的思路。