论文精选支持向量机结合区域生长算法识别蔬菜害虫

Posted 2021-04-26 农业工程学报

黄曲跳甲样本（上）、支持向量机分割结果（中）、结合区域生长网格法分割结果（下）

《农业工程学报》2018年第34卷第8期刊载了华南农业大学潘春华、肖德琴、林探宇和王春桃的论文——“基于SVM和区域生长结合算法的南方主要蔬菜害虫分类识别”。该研究由国家星火计划项目（项目号：2015GA780002）等资助。

在南方地区，黄曲跳甲、烟粉虱、小菜蛾以及蓟马等害虫对蔬菜生长危害严重。为防治害虫，提高蔬菜产量，菜农大量使用农药，蔬菜生命期喷洒农药会多达10多次，不仅增加生产成本，还严重污染生产环境。根据虫害状况进行精准喷施，是控制农药使用量的最佳策略；而关键是需清楚害虫的种类、数量、危害程度及分布状况等虫情信息。

 

近年来，利用图像处理技术识别害虫得到了广泛的重视。但是对小型蔬菜害虫的识别大多还在实验室进行，而且种类也局限在1-2种。该文基于支持向量机与区域生长结合算法，设计了一种对黄曲条跳甲、烟粉虱、小菜蛾、蓟马等多种蔬菜害虫进行分类识别的检测算法。

支持向量机是一种机器学习方法。该方法针对小样本数据进行学习，使用支持向量对线形和非线性数据进行分类，在统计样本量较少的情况下，亦能获得良好统计规律。区域生长是将具有相似性的像素集合起来构成区域的图像分割方法，能将具有相同特征的联通区域分割出来，并能提供很好的边界信息和分割结果。

该方案将识别过程融入到分割中，采用网格法进行区域生长种子点的选取，简化图像处理的步骤。对黄曲条跳甲、烟粉虱、小菜蛾、蓟马成功率为分别为96.4%、93.2%、95.4%、98.3%。

因此，该算法达到了对多种害虫进行分类的效果，有较好的应用前景。

长按识别二维码 关注“农业工程学报”