论文部分内容阅读
针对非专业人员对烟草病害识别的不准确性及传统识别方法的不足,以五种常见的烟草病害为研究对象,提出基于SVM和ResNet的图像处理方法来诊断病害。通过对病害图像进行对比度增强、颜色空间转换等预处理,采用Kmeans聚类算法分割病斑区域并提取其13维特征。利用传统的机器学习方法 SVM识别烟草病害的效果并不理想,本研究通过构造恒等残差块和卷积残差块来搭建20层的ResNet模型,经过训练自动得到相关特征参数并进行识别。实验结果表明SVM识别的平均准确率为50.23%,而ResNet模型识别的平均准确率