基于形状特征和支持向量机(SVM)的茶叶病害识别方法

陈 荣， 李 旺， 周文玉

(1.铜仁学院 大数据学院， 贵州 铜仁 554300； 2.铜仁市为拓网络技术有限公司， 贵州 铜仁 554300)

0 引言

【研究意义】中国是茶叶大国，2019年中国茶产业的总产量、总产值、内销量、内销额、出口量和出口额等多项指标均创历史新高，茶产业助力精准扶贫的主力军作用进一步凸显[1]。随着社会经济的快速发展，消费者的生活水平不断提高，其对茶叶的质量要求越来越高。同时，茶产业的转型升级也需要进一步提高茶叶质量，促进茶叶品牌和产品市场竞争力的提升。病害是影响茶叶质量的主要因素之一，茶农对茶叶病害的鉴别仍主要依靠自身经验[2]，受限于其主观性、局限性及模糊性，无法有效识别茶叶病害，影响茶叶病害防治效果。因此，探索快速准确识别茶叶病害的技术手段，为及时开展科学防治提供支撑，有利于保障茶叶质量，进而促进茶产业的可持续发展。【前人研究进展】近年来，随着机器学习技术的发展，已有应用机器学习技术识别茶叶病害的研究。王佳平[3]以茶叶病害中较为常见的茶白星病、茶褐色叶斑病和茶云纹叶枯病为研究对象，运用BP神经网络和支持向量机(Support Vector Machine，SVM)原理提出了基于图像特征的茶叶病害分类识别方法。张帅堂[4]利用茶叶病害的高光谱数据，分别构建了识别茶炭疽病、茶赤叶斑病、茶白星病的支持向量机、随机森林和BP神经网络模型。黄太远等[5]以茶炭疽病、茶饼病、茶白星病作为研究对象，对茶叶病害图像进行处理和特征提取，运用支持向量机方法进行分类识别。……