针对苹果树叶病害图像分类的小样本学习方法

摘要：

针对苹果树叶病害样本数量少且缺乏足够的标签,导致苹果树叶病害早期发现分类困难的问题,提出一种苹果树叶病害图像分类的小样本学习方法.先根据图像间的特征向量距离和样本点密度,找出样本中的离群因子,将离群因子剔除后,求取嵌入空间中支持集的平均值,再根据查找样本与该值的关系进行分类.实验结果表明,该小样本学习方法能明显提高模型的分类性能和收敛速度,分类准确率较高,平均分类准确率达97.62％,对苹果树叶锈病、黑星病、混合病害、健康树叶4类的分类准确率分别达98.01％,97.32％,96.30％,98.85％,且对样本不平衡、背景不均匀等数据集有较强的鲁棒性.

关键词：苹果树叶病害、图像分类、小样本学习、离群点剔除

所属期刊栏目：60

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技创新专项基金;吉林省自然科学基金

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：906-910