声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：杨丽丽,张大卫,罗君,王振鹏,吴才聪
单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,
关键词：棉花;棉叶螨;危害等级;支持向量机;AdaBoost
基金：国家重点研发计划项目（2016YFB0501805）
针对自然条件下棉叶螨虫害等级识别难的问题，在自然条件下以普通手机采集棉叶图像作为实验对象，首先使用大津法和连通区域标记算法，将棉花叶片图像与背景分离，然后，提取不同棉叶螨危害等级棉叶图像的颜色、纹理和边缘特征数据，使用支持向量机（Support vector machine，SVM）单独进行分类实验，得到平均识别正确率为76.25%，最后，采用SVM和AdaBoost相结合的算法，生成最优判别模型，实现对棉叶螨危害等级的识别，平均识别正确率为88.75%。对比实验表明，提出的棉叶螨危害等级识别方法比BP神经网络的平均识别正确率高13.75个百分点，比单独采用SVM算法高12.5个百分点，比单独采用AdaBoost算法高8.75个百分点，SVM和AdaBoost相结合的算法可较好地对棉叶螨危害等级进行识别，为棉叶螨数字化防治和变量喷药提供了数据支持。
来源：2019年第2期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。