基于KNN和多特征融合的苹果叶部病害识别检测

摘要：

准确识别与防治苹果叶部病害,能够有效提高苹果的产量与品质.以常见的苹果叶部病害(锈病、黑腐病、黑星病)为研究对象,构建基于KNN和多特征融合的无损检测模型.使用K-means聚类算法分割苹果叶部图像,通过颜色矩、灰度共生矩阵、Hu距分别提取图像的颜色、纹理和形状特征,利用KNN对特征参数进行分类模型训练,能够实现绿色准确识别苹果叶部病害的目的.实验结果表明,以颜色、纹理、形状为单特征检测的苹果叶部病害识别精确率分别为75％、57％、45％,其中颜色特征更加直观,有9个特征量识别率较高,形状特征在进行图像分割时很难确定K点导致识别率低.该研究基于颜色、纹理、形状等多特征融合提取13个特征量,能够准确识别苹果叶部病害,其识别率达84％,为实现绿色农业果园病虫害防治提供技术支持.

关键词：K-近邻方法、K-means聚类算法、多特征融合提取、苹果叶部、病害识别

所属期刊栏目：60

分类号：TP391.41;S436.611(计算技术、计算机技术)

资助基金：陕西省科技厅科技计划项目;商洛学院科研创新团队;陕西省本科高等教育教学改革项目

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：25-32