文献类型： 中文期刊

作者： 余敏 ¹ ; 李丰兵 ¹ ; 祝光湖 ¹ ; 宋修鹏 ² ; 王泽平 ² ; 张小秋 ² ; 雷敬超 ² ; 黄海荣 ² ; 黄伟华 ² ; 陈潇航 ³ ; 黄冬梅 ² ; 李秋芳 ² ; 颜梅新 ² ;

作者机构： 1.桂林电子科技大学数学与计算科学学院

2.广西壮族自治区农业科学院甘蔗研究所/农业农村部广西甘蔗生物技术与遗传改良重点实验室/广西甘蔗遗传改良重点实验室

3.广西百色市农业科学研究所

关键词： 植物病害;图像分割;特征提取;病害识别

期刊名称： 农业研究与应用

ISSN： 2095-0764

年卷期： 2024 年 37 卷 0Z1 期

页码： 309-319

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。