Identification of wheat leaf diseases and their severity based on elliptical-maximum margin criterion metric learning
A B S T R A C T
快速准确地识别小麦叶片病害及其严重程度，有利于小麦叶片病害的准确防治。以白粉病和条锈病为研究对象，提出了一种基于椭圆-最大边际准则(E-MMC)度量学习的小麦叶片病害及其严重程度识别算法。与其他度量相比，椭圆度量结合MMC可以找到反映小麦叶病图像空间结构或语义信息的非线性变换，可以扩大不同类别之间的距离，更好地完成识别任务。在该算法中，根据小麦叶片图像中病害分布的特点，采用Otsu方法分割病害斑点。确定小麦病害斑图像中颜色特征和纹理特征的最佳组合，构建训练集。利用最大裕度准则和梯度上升法得到最优的椭圆度量矩阵，从而对样本特征空间进行变换，降低特征之间的相关性。然后对小麦白粉病、条锈病及其严重程度进行了鉴定。实验结果表明，该算法优于传统的支持向量机等算法。该算法的识别准确率最高可达94.16%。这些结果可为小麦叶片病害的智能识别和分类提供有价值的帮助。
1. Introduction
【1-2】小麦是我国主要粮食作物之一。小麦叶片病害，特别是白粉病和条锈病，严重影响小麦的产量和品质
【3】目前，小麦叶片病害的鉴定主要是通过人工观察。但人工方法存在准确率低、速度慢、误诊等问题，延误了疾病的防治，导致农药的误用和滥用
为了正确、恰当地喷洒农药，保证小麦的品质和产量，迫切需要找到一种能够准确识别小麦叶片病害及其严重程度的病害识别算法。
【4-7】近年来，图像处理和模式识别技术在作物病害识别中得到了广泛的应用，
