基于多分类支持向量机和KNN分类器的大豆叶片病害检测与严重程度测量

ABSTRACT

大豆真菌病如枯萎病、褐斑病和褐斑病由于症状严重和缺乏治疗，是严重威胁大豆植株的疾病。传统的疾病诊断依赖于病机肉眼观察的疾病症状识别，存在较高的误认率。本文提出了一种新的系统，利用多类支持向量机和KNN分类器，对大豆病害叶片样本的彩色图像进行检测和分类。利用数码相机采集了枯萎病、褐斑病和褐斑病的健康叶片和患病叶片的图像。利用图像增强技术对获取的图像进行预处理。采用阈值法去除图像背景，得到感兴趣区域(ROI)。将基于增量k均值聚类的颜色分割技术应用于感兴趣区域，对病变区域进行分割。疾病严重程度的估计是通过定量数量的像素病变区域和全叶区域。利用RGB颜色空间提取分割后病变叶区域的不同颜色特征，利用灰度共生矩阵(GLCM)提取纹理特征，组成特征数据库。最后，利用支持向量机(SVM)和k -最近邻Negbiour (KNN)分类器对疾病进行分类。该分类系统能够对疫病、褐斑病、蛙眼叶斑病和健康样本进行分类，准确率分别为87.3%和83.6%。

1. INTRODUCTION

大豆是世界上最古老的作物之一。今天，大豆是人类消费的最大油脂来源，也是牲畜饲料的最大蛋白质来源。据报道，大豆帮助改善了印度大量小农和边缘农民的社会和经济条件。主要的大豆种植邦是中央邦、马哈拉施特拉邦、拉贾斯坦邦、卡纳塔克邦、安得拉邦和查蒂斯加尔邦。这些州加起来占全国大豆总产量的98%【1】。近几十年来由于一些因素如自然灾害、水土流失等，导致农作物病害的发生。这些疾病可导致农业产量的质量和数量显著下降。其后果是造成生产和经济损失。大多数时候，农民在鉴别和控制植物病害方面遇到了很大的困难。因此，在病害发生的早期或较早阶段对病害进行诊断，以便农民采取适当的防治措施，