|本期目录/Table of Contents|

[1]代国威,胡林,樊景超,等.基于GLCM特征提取和投票分类模型的马铃薯早、晚疫病检测[J].江苏农业科学,2023,51(8):185-192.
　Dai Guowei,et al.Detection of potato early and late blight based on GLCM feature extraction and voting classification model[J].Jiangsu Agricultural Sciences,2023,51(8):185-192.
点击复制

基于GLCM特征提取和投票分类模型的马铃薯早、晚疫病检测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第8期
页码:
185-192
栏目:
农业工程与信息技术
出版日期:
2023-04-20

文章信息/Info

Title:
Detection of potato early and late blight based on GLCM feature extraction and voting classification model
作者:
代国威1; 胡林1; 2; 樊景超1; 2; 闫燊1; 王晓丽1; 2; 满芮1; 2; 刘婷婷1; 2
1.中国农业科学院农业信息研究所国家农业科学数据中心，北京 100081； 2.中国农业科学院国家南繁研究院，海南三亚 572024
Author(s):
Dai Guowei; et al
关键词:
植物病害; 灰度共生矩阵; Fast K-Means聚类; 支持向量机; 决策树; k-近邻算法; 投票分类
Keywords:
-
分类号:
TP391.41；S126
DOI:
-
文献标志码:
A
摘要:
马铃薯作为世界第四大粮食作物对农业生产与经济效益具有重要影响。早、晚疫病是引起马铃薯减产的主要原因之一，如能及早发现作物病害，准确确定病害类型，对于保护作物安全和控制病害传播具有重要意义。为实现自动化诊断马铃薯病害，本研究提出了一种基于预处理、分割、特征提取和分类器分类的马铃薯病害检测自动化方法。在多时间段、不同天气环境下选择叶片形状与植株生长情况差异较大的田间拍摄马铃薯照片制作数据集，通过构建投票分类器模型对病害图像进行特征提取和高精度分类检测。首先利用Fast K-Means聚类算法对灰度图像下的马铃薯叶片进行分割，获得叶片受关注的区域；其次使用GLCM算法对受关注的区域提取11类纹理特征信息，计算4个GLCM获得单个图像88个纹理特征，并形成特征向量；最后使用投票分类模型对病害特征向量进行分类。分类模型是随机森林、支持向量机、KNN方法的组合，分类过程使用网格搜索优化分类器超参数。在10折交叉验证下，马铃薯病害分类准确率、精确率、召回率平均提高12.18、14.00、9.53百分点，综合性能提高11.90百分点。分析GLCM特征，135°方向角特征敏感性最弱，权重方面对比度特征最高，同质性特征次之。结果表明，该方法可用于马铃薯早、晚疫病的检测。
Abstract:
-

参考文献/References:

［1］胡小平，户雪敏，马丽杰，等. 作物病害监测预警研究进展［J］. 植物保护学报，2022，49(1)：298-315.
［2］李含悦，张润清，王哲. 我国马铃薯全要素生产率比较及空间集聚研究［J］. 中国农业资源与区划，2021，42(7)：9-18.
［3］施乾芮，刘倩雯，陈友华，等. 新农药105亿CFU/g多黏菌·枯草菌WP对马铃薯晚疫病防治效果［J］. 农药，2022，61(4)：292-294，304.
［4］李娜，米伟娟. 马铃薯病害的可视化计算机识别技术［J］. 山东农业大学学报(自然科学版)，2021，52(4)：619-623.
［5］李亚文，张军，陈月星. 基于K-means和特征提取的植物叶部病害检测与实现［J］. 陕西农业科学，2021，67(6)：33-37，41.
［6］李亚文，刘爱军，陈垚. 基于GLCM纹理特征提取的黄瓜叶部病害检测算法研究［J］. 湖北农业科学，2022，61(9)：141-145.
［7］陈荣，李旺，周文玉. 基于形状特征和支持向量机(SVM)的茶叶病害识别方法［J］. 贵州农业科学，2021，49(4)：53-59.
［8］刘君，王学伟. 融合CNN多卷积特征与HOG的番茄叶部病害检测算法［J］. 北方园艺，2020(4)：147-152.
［9］Sharma M，Kumar C J，Deka A. Early diagnosis of rice plant disease using machine learning techniques［J］. Archives of Phytopathology and Plant Protection，2022，55(3)：259-283.
［10］李萍，邵彧，齐国红，等. 基于跨深度学习模型的作物病害检测方法［J］. 江苏农业科学，2022，50(8)：193-199.
［11］Dai G W，Hu L，Fan J C. DA-ActNN-YOLOV5：hybrid YOLO v5 model with data augmentation and activation of compression mechanism for potato disease identification ［J］. Computational Intelligence and Neuroscience，2022，2022：1-16.
［12］孙长兰，林海峰. 一种基于集成学习的苹果叶片病害检测方法［J］. 江苏农业科学，2022，50(20)：41-47.
［13］Cisternas I，Velásquez I，Caro A，et al. Systematic literature review of implementations of precision agriculture［J］. Computers and Electronics in Agriculture，2020，176：105626.
［14］蒋清健，姚勇，付志军，等. 基于改进卷积神经网络算法的番茄叶片病害识别［J］. 江苏农业科学，2022，50(20)：29-34.
［15］Saravana Kumar V，University P，Naganathan E R，et al. Segmentation of hyperspectral image using jseg based on unsupervised clustering algorithms［J］. ICTACT Journal on Image and Video Processing，2015，6(2)：1152-1158.
［16］Lin C H，Chen C C，Lee H L，et al. Fast K-means algorithm based on a level histogram for image retrieval［J］. Expert Systems With Applications，2014，41(7)：3276-3283.
［17］Subramanian M，Lingamuthu V，Venkatesan C，et al. Content-based image retrieval using colour，gray，advanced texture，shape features，and random forest classifier with optimized particle swarm optimization［J］. International Journal of Biomedical Imaging，2022，2022：3211793.
［18］Harrar K，Messaoudene K，Ammar M. Combining GLCM with LBP features for knee osteoarthritis prediction：data from the osteoarthritis initiative［J］. ICST Transactions on Scalable Information Systems，2018：171550.
［19］Zhao J D，Lei W，Li Z J，et al. Detection of crowdedness in bus compartments based on ResNet algorithm and video images［J］. Multimedia Tools and Applications，2022，81(4)：4753-4780.
［20］Saleem G，Akhtar M，Ahmed N，et al. Automated analysis of visual leaf shape features for plant classification［J］. Computers and Electronics in Agriculture，2019，157：270-280.

相似文献/References:

[1]马国胜,陈娟,薛毅.苏南地区绿篱病害发生规律与生态控制技术[J].江苏农业科学,2013,41(11):131.
　Ma Guosheng,et al.Occurrence and eco-control technology of hedgerow diseases in Southern Jiangsu[J].Jiangsu Agricultural Sciences,2013,41(8):131.
[2]易龙,张亚,廖晓兰,等.链霉菌防治植物病害的研究进展[J].江苏农业科学,2014,42(03):91.
　Yi Long,et al.Research progress of streptomyces controlling plant diseases[J].Jiangsu Agricultural Sciences,2014,42(8):91.
[3]王超,郭坚华,席运官,等.拮抗细菌在植物病害生物防治中应用的研究进展[J].江苏农业科学,2017,45(18):1.
　Wang Chao,et al.Research progress on application of antagonistic bacteria in biological control of plant diseases[J].Jiangsu Agricultural Sciences,2017,45(8):1.
[4]王利伟,徐晓辉,苏彦莽,等.基于计算机视觉的葡萄叶部病害识别研究[J].江苏农业科学,2017,45(23):222.
　Wang Liwei,et al.Study on recognition of grape leaf diseases based on computer vision[J].Jiangsu Agricultural Sciences,2017,45(8):222.
[5]宋薇薇,朱辉,余凤玉,等.植物内生菌及其对植物病害的防治作用综述[J].江苏农业科学,2018,46(06):12.
　Song Weiwei,et al.Plant endophytes and their control effects on plant diseases：a review[J].Jiangsu Agricultural Sciences,2018,46(8):12.
[6]何宇,吕卫光,张娟琴,等.生防菌对稻瘟病害控制的研究进展[J].江苏农业科学,2021,49(21):40.
　He Yu,et al.Research progress of biocontrol bacteria controlling rice blast disease[J].Jiangsu Agricultural Sciences,2021,49(8):40.
[7]孔江波,朱贺,张延文,等.基于实例置信度推断的半监督小样本植物病害图像识别[J].江苏农业科学,2022,50(12):229.
　Kong Jiangbo,et al.Semi-supervised few-shot plant disease image recognition based on instance credibility inference[J].Jiangsu Agricultural Sciences,2022,50(8):229.
[8]杨祥,段军明,董明刚.面向移动端的植物病害图像识别方法及其应用[J].江苏农业科学,2023,51(4):191.
　Yang Xiang,et al.Mobile-oriented plant disease image recognition method and its application[J].Jiangsu Agricultural Sciences,2023,51(8):191.

备注/Memo

备注/Memo:
收稿日期：2022-06-20
基金项目：国家重点研发计划(编号：2021YFF0704200)；中国农业科学院院级基本科研业务费项目(编号：Y2022LM20)；中国农业科学院科技创新工程项目(编号：CAAS-ASTIP-2016-AII)。
作者简介：代国威(1997—)，男，四川德阳人，硕士研究生，主要从事人工智能及农业信息化研究。E-mail：dgwstyle@foxmail.com。
通信作者：樊景超，博士，副研究员，硕士生导师，主要从事农业科学数据管理、农业信息技术研究。E-mail：fanjingchao@caas.cn。
更新日期/Last Update: 2023-04-20