基于 SVM 的小麦叶部病害识别方法研究

为了准确识别小麦叶部常见病害，为小麦病情诊断和发展状况判断提供科学依据，设计并实现了一种基于SVM （ Support Vector Machine ）的小麦叶部常见病害识别方法。该方法可以实现对小麦白粉病、条锈病和叶锈病的准确识别。首先，基于中值滤波法和K均值聚类算法，实现了图像的去噪及病斑分割；然后，提取了病斑区域形状特征和纹理特征；最后，利用SVM 算法对小麦叶部病害进行了分类识别。随机试验结果表明，利用所提取的特征可以有效地实现小麦叶部常见病害的识别，基于形状特征的综合识别率可达99．33％；利用 SVM 算法进行小麦病害叶片识别是有效的、可行的。该方法对于农作物病害智能识别的推广具有较好的借鉴意义。