关键词：病害 识别 模型 分类器融合 词袋模型 

摘要：针对颜色纹理特征结合单一分类器的传统识别方法对于多种黄瓜病害的识别精度较低的问题,该文提出基于词袋特征PCA(principalcomponentanalysis)多子空间自适应融合的黄瓜病害识别方法。该方法首先对多种病害建立类别相关词袋模型,提取病害图像的高维词袋特征,然后用主成分分析法将病害高维特征降维到多个不同维数子空间,并在各子空间上分别训练BP(backpropagation)神经网络;通过设置自适应阈值对待分类图像在各子空间上的分类得分进行融合得到识别结果。采集黄瓜角斑病、棒孢霉叶斑病、白粉病、霜霉病和炭疽病等5种常见病害部位图像共246幅,每类病害子图像中任意选择20幅作为训练集(共100幅),其余146幅作为测试集进行病害识别试验。结果表明在2个主成分子空间融合分类的平均准确率为90.38%,比传统颜色特征、纹理特征和颜色纹理混合特征识别率分别高6.97、26.15和13.02个百分点,且算法对不同类别病害的分类准确率更稳定,为温室黄瓜病害诊断提供了一种有效方法。

农业工程学报杂志要求:

{1}本刊用稿采取三审四校制。来稿应包括题名、作者姓名、作者单位、中英文摘要与关键词、主要作者简介、正文、参考文献等。

{2}注意区分“、”号，“，”号，“；”号的规范使用，不得混用。

{3}如果能用文字简洁说明的内容就不必列表。图、表按其在正文中出现的先后次序连续编码,每幅图表应冠有图表序号及图题、表题。

{4}脚注用宋体小五号字。中国年号、古籍卷数请用中文数字。其他如公历年份、期刊卷期号、页码等，均请用阿拉伯数字。

{5}基金项目请注明文章相关课题的基金来源及编号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社