网络首发|基于核相互子空间法的番茄叶部病害快速识别模型
基于核相互子空间法的番茄叶部病害快速识别模型
张 燕1，2，3，李庆学1，2，3*，吴华瑞1，2，3
（1. 国家农业信息化工程技术研究中心，北京 100097；2. 北京农业信息技术研究中心，北京 100097；3. 农业农村部 农业信息技术重点实验室，北京 100097）
摘 要：近年来，基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异，通过提取番茄病害叶片图像的颜色矩（CM）、颜色聚合向量（CCV）和方向梯度直方图 （HOG）等颜色纹理特征，引入核相互子空间法（KMSM），建立了番茄叶部病害快速识别模型（CCHKMSM）。该模型首先通过高斯核函数，将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间；然后对映射的高维空间进行主成分分析，建立非线性病害特征空间；最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像，以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明，当每类样本集数量为 350张时，本研究所提出的 CCHKMSM 模型识别率达到 100%，模型训练时间为0.1540 s，平均识别时间为0.013 s；同时，在样本数量150张到1000张的测试区间内，模型平均识别率为 99.14%。该识别率高于其他典型的机器学习模型，与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中，通过对原始图像切割分块后，对各病害的平均识别率为 96.21%。试验结果表明，本研究提出的CCHKMSM模型识别准确率高且计算量小，其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低，具有在手持设备、边缘计算终端等低配置的感知系统中的应用潜力。
关键词：番茄叶片图像；病害快速识别；颜色纹理特征；核相互子空间法
引用格式
文章图片
图1 实际场景番茄叶部病害图像
Fig. 1 Pictures of tomato leaf diseases under real field conditions
图2 相互子空间分类模型
Fig. 2 MSM classification model
图3 PlantVillage中10类番茄病害训练集前10个主成分图
Fig. 3 Top 10 principal components of training set of 10 tomato diseases categories in PlantVillage
图4 颜色纹理核相互子空间分类模型
Fig. 4 CCHKMSM classification model
图5 番茄叶部病害纹理特征（HOG）图
Fig.5 Texture features（HOG）of tomato leaf diseases
图6 不同样本数量下的本文提出模型的识别率比较
Fig. 6 Comparision of accuracy of the proposed model with different number of samples
图 7 CCHKMSM试验流程
Fig. 7 Flow of CCHKMSM
作者简介
张燕 助理研究员
张燕，博士，北京农业信息技术研究中心助理研究员，研究方向为农业信息化。主要从事设施蔬菜智能管理、图像处理与病害图像识别技术研究，参与多项国家自然科学基金和省市级重大科研项目。公开发表论文5篇，其中SCI/EI收录3篇。