International Journal of Electronics and Communication Engineering·10月10日 · 周六论文智慧农业 / 农业物联网阅读 1
Image Processing-Based Efficient Hybrid Feature Extraction Approach for Plant Leaf Disease Recognition
Arundhati Bora · Parismita Sarma · Dankan Gowda V 等 5 人
International Journal of Electronics and Communication EngineeringDOI 10.14445/23488549/ijece-v13i9p107开放获取 PDF ↗
论文解读
63接近精选线
速览
提出融合CNN深度特征与手工特征的方法，用于植物叶片病害识别。
方法
CNN自动提取特征，结合叶片形状、颜色、纹理手工特征，多类分类器。
发现
平均准确率达98%，优于仅用深度学习或手工特征的方法。
机会点
可探索轻量化混合特征模型在移动端或边缘设备的实时病害识别应用。
影响力12
信息增量18
专业深度15
信源权威10
时效性8
提出深度学习与手工特征融合的叶片病害识别方法，准确率达98%，对精准农业有参考价值，但属实验室论文，产业影响有限。
原文摘要
本文提出了一种新颖的植物叶片病害识别混合方法，将图像处理技术与深度学习及手工特征分析相结合。利用卷积神经网络（CNN）对叶片图像进行处理，以自动提取层次化特征，同时基于叶片形状、颜色和纹理的手工特征提供了与病害相关的补充信息。将组合后的特征集输入多类分类器，以准确识别具体的病害类型。在包含健康叶片和患病叶片的多样化数据集上进行评估，结果表明平均准确率达到98%，优于仅依赖深度学习或手工特征的方法。结果凸显了融合深度特征与手工特征的有效性，为精准农业提供了一种可靠且可扩展的解决方案，并为自动化植物病害检测的未来研究奠定了基础。