使用Legion Kernels与并行支向量机器 (LK-PSVM) 和模糊C表示图像分割的新技术进行叶病分类

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 图像处理 图像处理

背景情况:

• 手动识别植物病是耗时且不准确的.
• 需要自动化,高效和准确的解决方案来检测植物疾病.
• 现有的方法缺乏用于精确分类的先进技术解决方案.

研究的目的:

• 开发一种使用叶子图像进行植物疾病检测和分类的新型自动化技术.
• 提出一个综合框架,结合图像处理,细分和机器学习来识别疾病.
• 与传统方法相比,提高植物疾病分类的准确性和稳定性.

主要方法:

• 一种使用 Fuzzy C-Means (FCM) 和 Particle Swarm Optimization (PSO) 进行叶片图像分割的新细分技术.
• 从细分的叶子图像中提取特征.
• 使用新的军团内核和并行支持向量机 (LK-PSVM) 方法进行分类.
• 图像预处理包括使用高斯函数进行背景减去.

主要成果:

• 拟议的LK-PSVM与FCM相结合,实现了高分类准确度.
• 该方法在从不同的叶子图像中区分各种植物疾病方面表现出强大.
• 在38个标签的55400张图像上进行的实验,包括果叶,验证了它的有效性.

结论:

• 综合框架为自动检测植物疾病提供了一个全面而准确的解决方案.
• 拟议的方法在准确性和可扩展性方面显著改进了现有技术.
• 该系统能够有效地处理复杂的数据集和高维特征空间.