基于FA-SVM技术的烟草早期病害识别

为准确检测和识别烟草病害,为制定合理的病害防治措施提供科学依据,提出基于萤火虫算法优化支持向量机(FA-SVM)技术的烟草早期病害识别方法.以烟草常见的蛙眼病与赤星病为研究对象,利用可见光拍摄带有2种病害的烟草植物叶片,获取图像样本.利用形态学方法和图像分割技术得到病斑图像.提取病斑的颜色、纹理及形态学等共计32个特征,构建原始特征空间.利用蚁群算法(Ant colony optimization,ACO)对特征空间进行优化,依据适应度值选取最优特征组合,当适应度值达到最高为95.68时,有13个特征被选择.运用萤火虫算法(Firefly algorithm,FA)优化支持向量机(Support vector machine,SVM)的惩罚因子(c)与径向基核函数参数(g),提高分类器性能.当c=94.12、g=2.43时,对不同发育时期的2种病害的识别率达到96％.结果表明,利用FA-SVM技术识别烟草蛙眼病与赤星病2种常见病害是可行的.