融合CNN多卷积特征与HOG的番茄叶部病害检测算法

传统的番茄叶部病害检测依赖于耗时费力的人工特征设计,必须针对病害的不同分类精心设计相关特征。番茄叶部病害症状复杂,人工设计特征较难。卷积神经网络(convolutional neural network,CNN)可以自动挖掘出隐藏在病害图像内部的抽象特征,在图像识别领域性能优越。该研究提出采用CNN与传统的HOG+SVM算法相结合的方法,抽取番茄叶部病害的浅层特征,将其输入到HOG生成HOG特征并合并,最后输入SVM分类器得到病害检测结果。该研究方法能够改进番茄叶部病害的检测精度。