基于交点旋转不变性回归的植物病害检测

《Plant Molecular Biology》:Intersection rotational invariance regression based plant disease detection

【字体: 大 中 小 】 时间:2026年08月28日 来源:Plant Molecular Biology 3.7

编辑推荐:

   摘要新兴技术具备了产生足够食物以满足社会最终需求的能力。然而,气候变化、植物病害、授粉者失效以及其他因素都对农民构成了挑战。病害的存在阻碍了对应物种的成熟。近年来,利用图像处理、机器学习(ML)以及从物联网(IoT)传感器收集的数据进行植物病害识别受到了越来越多的关注,然而及

  

摘要

新兴技术具备了产生足够食物以满足社会最终需求的能力。然而,气候变化、植物病害、授粉者失效以及其他因素都对农民构成了挑战。病害的存在阻碍了对应物种的成熟。近年来,利用图像处理、机器学习(ML)以及从物联网(IoT)传感器收集的数据进行植物病害识别受到了越来越多的关注,然而及时的病害检测仍然是一个极具挑战性的问题。尽管早期病害检测虽然降低了植物遭受破坏的风险,然而传感器网络(即物联网)在收集网络抓取图像时存在的噪声影响了整体的精确度和准确率。为了弥合这一研究差距,即解决噪声问题并实现及时的病害检测,本研究引入了一种基于机器学习的植物病害检测方法,称为交集直方图与旋转不变主成分回归(IH-RIPCR)。IH-RIPCR 技术分为预处理和特征提取两部分。首先,以从玉米或高粱叶片病害数据集中获得的原始植物数据集作为输入,采用基于交集直方图的对比度增强模型进行预处理。其次,将获得的预处理对比度增强图像作为输入,提交给基于机器学习的旋转不变主成分回归特征提取模型,以准确、精确地提取与玉米或高粱叶片图像相关的特征用于病害检测。使用玉米或高粱植物叶片数据集与不同的现有方法进行了实验,以验证 IH-RIPCR 技术的假设潜力。该技术的显著性基于峰值信噪比(PSNR)、处理时间、精确率、召回率和准确率等多个参数进行评估。

新兴技术具备了产生足够食物以满足社会最终需求的能力。然而,气候变化、植物病害、授粉者失效以及其他因素都对农民构成了挑战。病害的存在阻碍了对应物种的成熟。近年来,利用图像处理、机器学习(ML)以及从物联网(IoT)传感器收集的数据进行植物病害识别受到了越来越多的关注,然而及时的病害检测仍然是一个极具挑战性的问题。尽管早期病害检测虽然降低了植物遭受破坏的风险,然而传感器网络(即物联网)在收集网络抓取图像时存在的噪声影响了整体的精确度和准确率。为了弥合这一研究差距,即解决噪声问题并实现及时的病害检测,本研究引入了一种基于机器学习的植物病害检测方法,称为交集直方图与旋转不变主成分回归(IH-RIPCR)。IH-RIPCR 技术分为预处理和特征提取两部分。首先,以从玉米或高粱叶片病害数据集中获得的原始植物数据集作为输入,采用基于交集直方图的对比度增强模型进行预处理。其次,将获得的预处理对比度增强图像作为输入,提交给基于机器学习的旋转不变主成分回归特征提取模型,以准确、精确地提取与玉米或高粱叶片图像相关的特征用于病害检测。使用玉米或高粱植物叶片数据集与不同的现有方法进行了实验,以验证 IH-RIPCR 技术的假设潜力。该技术的显著性基于峰值信噪比(PSNR)、处理时间、精确率、召回率和准确率等多个参数进行评估。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号