1 简介
针对农业领域植物病虫害检测问题,提出一种基于高清视频图像融合特征的支持向量机( SVM)的检测方法,实现农业生产中植物病虫害的快速检测.对每幅植物叶片图像的颜色,HSV,纹理和方向梯度直方图四种特征采用基于特征包的多特征融合方法,形成特征向量,并利用SVM分类器进行训练分类.对单特征与融合特征的SVM分类器性能进行试验比较,所提出的方法具有较高的准确率.
植物病害是指植物在生物或非生物因素的影响下，发生的形态、生理和生化上的病理变化，会阻碍植物正常生长、发育和结果的进程。其中，植物叶部病害非常广泛且后果相当严重。植物叶片病害影响叶片的光合作用效能，成为作物高产的主要障碍，影响作物的效益。及时发现和有效预防植物叶部病害成为农业发展中的重要问题。目前，对叶片病害与否的判断及病害种类的判断主要依靠人工，识别率和效率较低且造成种植者滥用农药。对病害的自动化识别是现代化农业发展的方向。随着科技的不断进步，数字图像处理、人工智能等技术得到综合运用。通过对基于图像处理的植物叶部病害进行检测与分类，合理施用农药可保证作物的健康生长，进而提高作物的产量。
2 部分代码
function [itrfin] = multisvm( T,C,test )
%Inputs: T=Training Matrix, C=Group, test=Testing matrix
%Outputs: itrfin=Resultant class
itrind=size(test,1);
itrfin=[];
Cb=C;
Tb=T;
for tempind=1:itrind
tst=test(tempind,:);
C=Cb;
T=Tb;
u=unique(C);
N=length(u);
c4=[];
c3=[];
j=1;
k=1;
if(N>2)
itr=1;
classes=0;
cond=max(C)-min(C);
while((classes~=1)&&(itr<=length(u))&& size(C,2)>1 && cond>0)
%This while loop is the multiclass SVM Trick
c1=(C==u(itr));
newClass=c1;
%svmStruct = svmtrain(T,newClass,'kernel_function','rbf'); % I am using rbf kernel function, you must change it also
svmStruct = svmtrain(T,newClass);
classes = svmclassify(svmStruct,tst);
% This is the loop for Reduction of Training Set
for i=1:size(newClass,2)
if newClass(1,i)==0;
c3(k,:)=T(i,:);
k=k+1;
end
end
T=c3;
c3=[];
k=1;
% This is the loop for reduction of group
for i=1:size(newClass,2)
if newClass(1,i)==0;
c4(1,j)=C(1,i);
j=j+1;
end
end
C=c4;
c4=[];
j=1;
cond=max(C)-min(C); % Condition for avoiding group
%to contain similar type of values
%and the reduce them to process
% This condition can select the particular value of iteration
% base on classes
if classes~=1
itr=itr+1;
end
end
end
valt=Cb==u(itr);% This logic is used to allow classification
val=Cb(valt==1);% of multiple rows testing matrix
val=unique(val);
itrfin(tempind,:)=val;
end
end
% Give more suggestions for improving the program.
3 仿真结果
4 参考文献
[1]蒋龙泉, 鲁帅, 冯瑞,等. 基于多特征融合和 SVM 分类器的植物病虫害检测方法[J]. 计算机应用与软件, 2014, 31(12):5.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
