基于SVM和DS证据理论融合多特征的玉米病害识别研究

来源：中国农机化学报杂志2020年第4期北京时间：

作者：毛彦栋;宫鹤;

单位：吉林农业大学信息技术学院;吉林省智能环境工程研究中心;吉林省农业物联网科技协同创新中心;

摘要：针对玉米叶部病害图像的颜色、纹理、形状特征对病害影响的差异性,提出一种结合单特征下的SVM识别准确率和识别结果的融合多特征玉米病害识别方法。首先对预处理后的玉米病害图片提取颜色、纹理、形状3种特征,对应每一种特征构建一个SVM分类器,结合3个SVM分类器的平均准确率和识别结果作为证据理论的3个证据,构建D-S证据理论的基本概率分配函数(BPA),最后根据D-S证据理论决策规则进行决策级融合,依据决策条件输出最终识别结果。结果表明,结合SVM识别准确率和识别结果来对玉米的灰斑病、弯孢菌叶斑病、锈病三种病害进行识别,准确率分别为95%,85%,100%,平均准确率为93.33%,该方法对玉米叶部病害的识别更准确和稳定。

关键词：多特征;病害识别;D-S证据理论;支持向量机;基本概率函数

基金资助：吉林省教育厅项目(20170204038NY);; 吉林省发改委项目(2014Y108);; 长春市科技局项目(12SF31)