«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第42卷

期数:

2014年06期

页码:

372-374

栏目:

农业工程与信息技术

出版日期:

2014-06-25

文章信息/Info

Title:

Study on corn leaf recognition based on support vector machine

作者:

邓立苗¹;  马文杰²

1.青岛农业大学理学与信息科学学院，山东青岛 226109； 2.青岛农业大学动漫与传媒学院，山东青岛 226109

Author(s):

Deng Limiao; et al

关键词:

图像处理; 支持向量机; 玉米; 品种识别

Keywords:

-

分类号:

TP391. 41

DOI:

-

文献标志码:

A

摘要:

基于图像处理方法，以23个常见玉米品种叶片作为供试样本，每张叶片采集反射和透射图像，每幅图像分别提取形态、颜色和纹理三大类共48个外观特征，构建支持向量机模型进行训练识别。结果表明，48个特征的整体识别率可达到87%以上，颜色类特征较形态类和纹理类特征具有较高的识别率，形态类特征中反映大小的特征识别率较低。对不 同类别的特征组合后，识别率均达到86%以上。品种的数量影响着样本识别结果，当品种数量大于17之后，识别率明显降低。透射图像较反射图像具有更好的识别效果。

Abstract:

-

参考文献/References:

［1］纪寿文，王荣本，陈佳娟，等. 应用计算机图像处理技术识别玉米苗期田间杂草的研究［J］. 农业工程学报，2001，17(2)：154-156.
［2］陈丽，王兰英. 概率神经网络在玉米叶部病害识别中的应用［J］. 农机化研究，2011，33(6)：145-148.
［3］马彦平，白由路，高祥照，等. 基于数字图像的玉米叶面积测量方法研究［J］. 中国农学通报，2009，25(22)：329-334.
［4］朱军伟，张彦娥，王晓敏，等. 基于图像纹理的玉米叶片叶绿素含量分析研究［J］. 微计算机信息，2010，26(10)：106-108.
［5］王玉亮. 基于机器视觉的玉米种子品种识别与检测研究［D］. 泰安：山东农业大学，2008：11-12.
［6］闸建文，陈永艳.基于外部特征的玉米品种计算机识别系统［J］. 农业机械学报，2004，35(6)：115-118.
［7］史智兴，程洪，李江涛，等. 图像处理识别玉米品种的特征参数研究［J］. 农业工程学报，2008，24(6)：193-195.
［8］杨锦忠，郝建平，杜天庆，等. 基于种子图像处理的大数目玉米品种形态识别［J］. 作物学报，2008，34(6)：1069-1073.
［9］李晓宇，张新峰，沈兰荪.支持向量机(SVM)的研究进展［J］. 测控技术，2006，25(5)：7-12.
［10］林震岩. 多变量分析：SPSS的操作与应用［M］. 北京：北京大学出版社，2007：487-491.
［11］邓旭阳，郭新宇，周淑秋，等. 玉米叶片形态的几何造型研究［J］. 中国图象图形学报，2005，10(5)：637-641.
［12］郑文刚，郭新宇，赵春江，等. 玉米叶片几何造型研究［J］. 农业工程学报，2004，20(1)：152-154.
［13］徐贵力，毛罕平，胡永光. 基于计算机视觉技术参考物法测量叶片面积［J］. 农业工程学报，2002，18(1)：154-157.

相似文献/References:

[1]姚冠新,顾晴.基于经验模态分解和支持向量机的农产品价格短期预测[J].江苏农业科学,2014,42(09):402.
　Yao Guanxin,et al.Short-term forecasting method of agricultural product price based on EMD-SVM[J].Jiangsu Agricultural Sciences,2014,42(06):402.
[2]王丽爱,谭昌伟,马昌,等.农情信息遥感监测预报模型构建算法研究进展[J].江苏农业科学,2013,41(11):1.
　Wang Liai,et al.Research progress of remote sensing forecast modeling algorithms on crop information[J].Jiangsu Agricultural Sciences,2013,41(06):1.
[3]田昊,王维新,毕新胜,等.基于图像处理的机采棉杂质提取算法[J].江苏农业科学,2014,42(01):366.
　Tian Hao,et al.Study on impurities extraction algorithm of machine-harvested cotton based on image processing[J].Jiangsu Agricultural Sciences,2014,42(06):366.
[4]田孟祥,张时龙,何友勋,等.1种快速高效的水稻谷粒自动计数方法[J].江苏农业科学,2014,42(02):64.
　Tian Mengxiang,et al.A quick and efficient automatic counting method for rice grains[J].Jiangsu Agricultural Sciences,2014,42(06):64.
[5]韦相贵.基于智能算法的甘蔗定位切割方法[J].江苏农业科学,2016,44(04):394.
　Wei Xianggui.Sugarcane positioning cutting method based on intelligence algorithm[J].Jiangsu Agricultural Sciences,2016,44(06):394.
[6]关强,薛河儒,姜新华.基于二维OTSU的田间植物图像分割方法[J].江苏农业科学,2015,43(12):437.
　Guan Qiang,et al.Segmentation of field plant image based on two-dimensional OTSU[J].Jiangsu Agricultural Sciences,2015,43(06):437.
[7]濮永仙.实数编码遗传算法与支持向量机在烟草病害识别中的应用[J].江苏农业科学,2015,43(09):435.
　Pu Yongxian.Application of real-coded genetic algorithms and support vector machine in identification of tobacco diseases[J].Jiangsu Agricultural Sciences,2015,43(06):435.
[8]赵辰阳,徐明.基于FIG-SVM的农产品价格趋势预测[J].江苏农业科学,2014,42(05):385.
　Zhao Chenyang,et al.Prediction of agricultural price trend base on FIG-SVM[J].Jiangsu Agricultural Sciences,2014,42(06):385.
[9]梁帆,杨莉莉,崔世钢,等.基于神经网络的油菜成熟度等级视觉检测方法[J].江苏农业科学,2015,43(08):403.
　Liang Fan,et al.Visual inspection method of rapeseed maturity level based on neural networks[J].Jiangsu Agricultural Sciences,2015,43(06):403.
[10]夏永泉,李耀斌,曾莎.基于HSI颜色空间的植物叶片病斑提取方法[J].江苏农业科学,2015,43(08):406.
　Xia Yongquan,et al.Disease spot extraction method of plant leaf based on HSI color space[J].Jiangsu Agricultural Sciences,2015,43(06):406.
[11]刘仲鹏,李文华.基于图像处理和特征优选的玉米品质识别[J].江苏农业科学,2015,43(03):382.
　Liu Zhongpeng,et al.Identification of corn quality based on image processing and feature selection[J].Jiangsu Agricultural Sciences,2015,43(06):382.

备注/Memo

备注/Memo:

收稿日期：2013-08-28
基金项目: 山东省自然科学基金（编号：ZR2009GM006）。
作者简介：邓立苗(1978—)，女， 山东沂水人，博士，讲师，主要从事图像处理方面研究。Tel:（0532）88030271；E-mail:denglm68@163.com。
通信作者：马文杰，博士，副教授，主要从事农业信息化方面研究。Tel:（0532）88030602；E-mail：wjma@qau.edu.cn。

常用功能

更新日期/Last Update: 2014-06-25