基于图像的植物病害识别研究进展

余敏; 李丰兵; 祝光湖; 宋修鹏; 王泽平; 张小秋; 雷敬超; 黄海荣; 黄伟华; 陈潇航; 黄冬梅; 李秋芳; 颜梅新; 《农业研究与应用 》 2024

摘要：植物病害识别是植物病害防控中必不可少的环节和前提条件，研发高精度的病害识别技术已成为病害高效防控中的迫切需求。植物病害图像识别的研究始于20世纪80年代，在农业生产和植物保护方面发挥着重要作用，及时、精确地识别植物病害可以帮助人们鉴别病害种类，并采取相应的防治措施，减轻病害对农作物产量和质量的不良影响。本文在整理和总结现有国内外研究文献的基础上，从图像分割、特征提取、分类识别3个方面重点梳理植物病害图像识别技术。目前关于植物病害图像分割的方法主要从基于阈值、聚类、边缘和深度学习等技术进行分类，可分为固定阈值法和自适应阈值法。固定阈值法是人工根据目标和背景像素直方图的差异尝试不同的值，并选择适宜阈值以实现图像分割。自适应阈值法是基于固定阈值分割的原理，根据特定的规则借助计算机自动迭代获得阈值，最常用的是最大类间方差法（Otsu法），而基于综合粒子群算法（GCLPSO）的阈值分割法的分割效果优于其他同类算法，具有较好的收敛性和稳定性。在植物病害识别研究中，特征提取和分类识别是影响识别率的关键因素。特征提取即描述属性，获得病害信息，找出最有用的辨别特征。分类识别是在图像分割和特征提取的基础上，通过构建分类器实现病害的准确识别。将迁移学习、轻量型网络等方法运用到植物病害识别，研究设计出高识别精度的网络模型将会是智慧植保的未来发展方向。基于图像的植物病害识别能够为病害监测和病害防控提供更加科学、智能的支持，对全球粮食生产和农业可持续发展都具有重要意义。

关键词： 植物病害 图像分割 特征提取 病害识别