.png){kind=icon}
返回
Guava leaf disease detection using support vector machine (SVM)
.png){kind=icon}
OA
AI
DOI：10.1016/j.atech.2025.101190.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究旨在开发一种支持向量机（SVM）模型用于识别番石榴作物病害，即木乃伊化、斑点、溃疡和锈病。数据集使用树莓派摄像头收集，捕捉四种常见番石榴叶病害（溃疡、斑点、锈病和木乃伊化）以及健康叶片的图像。图像经过预处理以增强质量，并从RGB转换为灰度以进行特征提取。提取了局部二值模式（LBP）、灰度共生矩阵（GLCM）和HSV颜色直方图等特征以识别病害特征。数据集被划分为训练集（70%）、验证集（20%）和测试集（10%）。使用线性核和径向基函数（RBF）核的SVM模型被训练以根据提取的特征对图像进行分类。模型性能使用准确率、精确率、召回率和F1分数等指标进行评估。SVM模型在未见数据上进行了验证和测试，以实现可靠的病害分类。线性核SVM模型在检测番石榴叶病害方面达到了77.08%的准确率，其灵敏度、特异性和精确率值分别为70.08%、90.76%和93.68%。然而，由于数据集的非线性特性，RBF核SVM模型显著优于线性模型，准确率达到91.67%。RBF模型还显示了改进的指标，包括更高的精确率、灵敏度和更低的假阳性及假阴性率，使其更适合叶片病害检测。
Keyword:
Guava
Disease detection
Artificial intelligence
Raspberry pi
Support vector machine
Linear and RBF kernel
期刊
IF:
5.7
论文数:
2.5K
被引数:
2.5K
机构
引用论文
[Ti8Zr2O12(COO)16] Cluster: An Ideal Inorganic Building Unit for Photoactive Metal-Organic Frameworks.png)
ACS CENTRAL SCIENCE
OAAI
ACS CENTRAL SCIENCEIF10.4
OAAI分享收藏Identities for minors of the Laplacian, resistance and distance matrices of graphs with arbitrary weights阿里, M.M., 卡汉, M.R., 巴塔查里亚, S., 2020. 实时聚合酶链式反应(RT-PCR)在植物病原体检测中的进展. 农业生物技术, 28(4), 323–336.
PREAI
分享收藏