[发明专利]基于支持向量机的向日葵叶部病害判断方法

权利要求书

1.基于支持向量机的向日葵叶部病害判断方法，其特征在于，包含如下步骤：

判断是否是正常叶子：

根据RGB颜色模型，提取出向日葵病害图像的R、G、B颜色分量，G分量图像中病斑比较明显，病虫害病斑部分灰度值较正常部分灰度值偏差较大，以彩色图像的G分量作为诊断有无病害的主要研究对象，确定G分量判别阈值；

判断阈值的确定方式如下：

式中，G(i,j)为图像G分量图像中(i,j)点的灰度值，avg为图像G的灰度平均值，m、n分别为图像G的行数和列数；向日葵叶部图像正常与否可利用模式识别相关方法进行识别诊断，可将式中计算出的b值作为分类器的特征向量输入，此处利用支持向量机识别法对所有样本进行训练，最终对待检测的向日葵叶部图像进行正常与否的诊断；

对非正常叶片中是否含有病害进行诊断

步骤(1)中所判别的待测叶片若为非正常叶片，则该非正常叶片会出现两种情况：含有病害和不含病害；不含病害情况包括虫害、人为或自然破损等，含有病害情况包括单有病害、病害与其它非正常叶片痕迹混杂；由于病害病斑与虫害病斑、虫体在纹理特征方面差异较大，所以此处选用灰度共生矩阵描述的纹理特征作为分辨叶片是否含有病害的主要依据，之后利用支持向量机模式识别法对两类样本进行训练，最终对输入的非正常叶片进行是否含有病害的诊断；

纹理特征提取时分别研究两种情况下非正常叶片分别在距离d＝1和角度θ分别为0°、45°、90°、135°时灰度共生矩阵的特征，并分别提取它们的角二阶矩(f₁)、对比度(f₂)、相关性(f₃)和熵(f₄)共16个统计参量作为径向基核函数的支持向量机模式识别输入，基于灰度共生矩阵与支持向量机进行判断。

2.如权利要求1所述的基于支持向量机的向日葵叶部病害判断方法，其特征在于，采用适合小样本识别的支持向量机分类法对向日葵叶部病害进行识别诊断；采用径向基核函数对向日葵叶部病害进行识别诊断；向日葵叶部病害的识别是一个多类别模式识别问题，将向日葵叶部细菌性叶斑病(记作A)、黑斑病(记作B)和霜霉病(记作C)三类病害样本两两分别组成训练集(即(A,B)、(A,C)、(B,C))，同时也得到了三个支持向量二分器；在识别的时候，把待识别样本依次送入这三个二分器，采取投票形式，最终选出投票最多的类别即为所属类别；

采用CCD数码照相机采集到向日葵三种病害，即细菌性叶斑病、黑斑病、霜霉病图像各80张，其中训练样本各50张，测试样本各30张；根据选出的病害识别特征参数，分别用四种不同的核函数训练三个分类器，经过不同核函数对病害诊断的识别率分析比较，最终确定出采用径向基核函数的支持向量机法来识别向日葵叶部病害。

3.如权利要求1所述的基于支持向量机的向日葵叶部病害判断方法，其特征在于，所述基于灰度共生矩阵的纹理提取实现如下，纹理是指物体表面反复出现的局部模式及其排列规则，灰度共生矩阵是通过条件概率体现纹理特征的，由它衍生的一些特征参数可在一定程度上阐述纹理的粗细及状态；若病斑结构较密，则纹理较细，病斑结构稀疏，则会表现出较稀的纹理。

4.如权利要求2所述的基于支持向量机的向日葵叶部病害判断方法，其特征在于，所述病害识别特征参数为颜色和纹理特征作为病害识别的判别依据。