基于SVM机器学习的植物病虫害检测方法

发明专利无效专利

申请号：
CN201210351242.6
IPC分类号：G06K9/62
申请日期：
2012-09-20
申请人：
复旦大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于SVM机器学习的植物病虫害检测方法
申请号	CN201210351242.6	申请日期	2012-09-20
法律状态	撤回	申报国家	中国
公开/公告日	2013-02-06	公开/公告号	CN102915446A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	复旦大学	申请人地址	上海市杨浦区邯郸路220号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	复旦大学	当前权利人	复旦大学
发明人	蒋龙泉;鲁帅;董文彧;郭跃飞;冯瑞
代理机构	上海正旦专利代理有限公司	代理人	张磊

摘要

本发明属于数字图像处理及模式识别技术领域，具体为一种基于SVM机器学习的植物病虫害检测方法。本发明首先在大量农业场景的监控视频中，获取大量正常生长的植物叶片和发生病虫害的植物叶片,从正常生长的植物叶片和发生病虫害的植物叶片中各抽取部分图片作为样本，对每幅叶片图像提取特征（包括颜色特征、HSV特征、边缘特征和HOG特征），将这些特征组合成特征向量；然后对每幅叶片图像的特征向量用SVM的机器学习方法进行训练，训练后形成一个分类器，然后将大量的植物叶片图像用这个分类器进行检测，检测植物叶片是否发生病虫害。相比于生物学方面的植物病虫害检测方法，本发明具有更高的实时性和易实施性，较好解决了必须深入田间地头才能检测植物病虫害的弊端。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供