基于深度学习和支持向量机的４种苜蓿叶部病害图像识别

1、研究思路

对 采 集 获 得 的８９９张苜蓿叶部病害图像，利 用 人工裁剪方法从每张原始图像中获得１张子图像，然后利用结合 Ｋ 中值聚类算法和线性判别分析的分割方法进行病斑图像分割，得到４种病害的典型病斑图像（每张典型病斑图像中仅含有１个病斑）共１６５１张。基于卷积神经网络提取病斑图像特征，建立病害识别支持向量机（Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）模型。结果表明：当病斑图像尺寸归一化为３２×３２像素，利用归一化的特征 ＨＳＶ（即特征 Ｈ、特征 Ｓ和特征 Ｖ 归一化后的组合特征）构 建 的 病 害 识别ＳＶＭ 模型最优，其训练集识别正确率为94.41％，测试集识别正确率为87.48％。

2、病斑图像分割

Ｋ 中值聚类算法和线性判别分析的分割方法实现了所获得４种苜蓿叶部病害病斑图像的分割，分割效果较好。

结 合 Ｋ 中 值 聚 类 算法和线性判别分析的图像分割方法