基于方向梯度直方图与支持向量机的番茄晚疫病早期检测

番茄是世界上最重要的水果之一，在任何国家的农业生产中都起着重要而有用的作用。本研究提出一种用于番茄晚疫病早期检测的智能新技术。本工作通过增加来自田间（Plant Village 数据集）的图像扩充数据集，并提出由支持向量机（SVM）与方向梯度直方图（HOG）组成的混合算法，用于番茄晚疫病的实时检测。提出一种基于 HOG 的 SVM 模型用于番茄叶片晚疫病早期检测。在 MSE、准确率、精确率与召回率方面检验所提模型相较于决策树与 KNN 的性能。先进技术在农业中的融合有潜力革新该行业，使其更高效、可持续且盈利。本项关于番茄病害早期检测的研究工作有助于智能农业日益增长的的重要性、气候智能型农业的需求、更高效利用自然资源的上升需求以及更高作物产量的诉求。所提 SVM 与 HOG 混合算法在番茄植株晚疫病早期检测方面具有显著潜力。所提模型相对于决策树与 KNN 算法的性能及结果可协助选择最佳算法用于未来应用。该研究工作可帮助农民做出数据驱动决策以优化作物产量与质量，同时减少农业实践的环境影响。