摘要：为了提高蜜柚叶部中晚期病害的识别准确率，确保蜜柚叶部病害对症施药与病害防治的效果，该文提出了一种基于最优二叉树支持向量机（support vector machine，SVM）的蜜柚叶部病害识别方法，该方法首先将蜜柚叶部病害图像转换为B分量、2G-R-B分量、（G＋R＋B）/3分量以及YIQ颜色模型中的Q分量的4个灰度图像，再利用5尺度8方向的Gabor小波分别与4个分量灰度图像进行卷积运算，获得5个尺度下不同方向的幅值均值作为病害的特征向量，并结合提出的最优二叉树支持向量机病害识别模型，对黄斑病、炭疽病、疮痂病、煤烟病等4种蜜柚叶部病害进行分类识别。通过交叉验证的方法进行分类识别测试，结果表明：黄斑病、炭疽病、疮痂病、煤烟病识别准确率分别为90%、96.66%、93.33%、96.66%，平均识别率达到94.16%，并将该方法与BP神经网络、一对一SVM与一对多SVM进行比较，试验结果表明该方法可有效识别4种蜜柚叶部病害，在训练时间和识别精度上都优于其他3种方法。该方法可为蜜柚病害准确识别与防治提供有效的技术支持。

关键词：病害 识别 图像处理 gabor小波 最优二叉树 

单位：中国农业科学院农业信息研究所; 北京100081; 农业部农业信息服务技术重点实验室; 北京100081