基于核相互子空间法的番茄叶部病害快速识别模型

近年来,基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异,通过提取番茄病害叶片图像的颜色矩(CM)、颜色聚合向量(CCV)和方向梯度直方图(HOG)等颜色纹理特征,引入核相互子空间法(KMSM),建立了番茄叶部病害快速识别模型(CCHK⁃MSM)。该模型首先通过高斯核函数,将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间;然后对映射的高维空间进行主成分分析,建立非线性病害特征空间;最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像,以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明,当每类样本集数量为350张时,本研究所提出的CCHKMSM模型识别率达到100%,模型训练时间为0.1540 s,平均识别时间为0.013 s;同时,在样本数量150张到1000张的测试区间内,模型平均识别率为99.14%。该识别率高于其他典型的机器学习模型,与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中,通过对原始图像切割分块后,对各病害的平均识别率为96.21%。试验结果表明,本研究提出的CCHKMSM模型识别准确率高且计算量小,其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低,具有在手持设备、边缘计算终端等低配置感知系统中的应用潜力。

山区铁路路基边坡溜坍典型模式剖析及风险评价

山区铁路沿线复杂的地形条件以及恶劣的地质状况会给列车运行带来极大安全隐患。本文对一山区铁路路基边坡溜坍病害进行调查,对其发生原因进行了分类总结,将该山区铁路路基边坡溜坍病害归纳为坡面冲沟内堆积层溜坍、软岩风化物汇水地形浅层溜坍、白云岩溶蚀沟槽内全风化物溜坍3类。对不同类型的溜坍病害提出了分析评价方法及针对性的整治措施。可作为防治和快速处理溜坍病害的依据。