病害诊断综述

《病害诊断综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、农作物病虫害诊断综述国外对作物病害诊断研究开始于20世界80年代。1985年，安冈善文等对有毒气体污染的作物叶片的红外图像进行了研究，其中红外图像显示了作物叶片被污染的区域，同时提出通过颜色来诊断作物的病害这是图像应用于农业的开端。1999年，YuatakaSasaki等研究了黄瓜白粉病的自动诊断方法，通过研究不同分光反射与光学滤波对作物病害的影响，采用遗传算法建立识别模型，成功的对作物的病害做出了诊断。2003年，YuatakaSASAKI利用作物病斑的形状特征诊断出了作物的病害类型。釆用遗传算法优化多个不同的参数，找到了更符合病害诊断的参数。2004年，MohammedEl-Helly等通

2、过利用人工神经网络的方法自动检测叶片病斑来判断病害类型，可较好的识别黄瓜炭疽病、霜霉病和病虫害的叶片。MohammadSammany(2006,2007)等研究出了利用遗传算法优化神经网络的参数的方法来识别作物病害。国外早在上世纪80年代就开始了对病害作物图像进行病害识别诊断的研究。YuatakaSasaki等(1999)对黄瓜的炭疽病进行了诊断研究，针对不同光学滤波和分光反射对病害识别的彫响特点，采用遗传算法对炭疽病进行识别，并于2003年利用遗传算法对黄瓜病斑图像的多个形状特征参量进行了优选，最终找到了能够准确识别不同黄瓜病害的有效形状特征参量。MohammedEl-Helly等(2004

3、)基于计算机软件开发平台，综合考虑黄瓜叶部病害的特征，利用图像识别技术设计了黄瓜叶部病害识别系统，该系统可以较好的识别黄瓜叶片病害。DrJeffrey和T.Drake等(2004)在美国农业部研制昆虫识别系统，该系统主要用于大量标本的快速识别分类，其图像分割算法能够在大量昆虫标本中提取单一昆虫标本，并能对大多数昆虫标本进行分割且得到较好的分割效果。MohammadSammany等(2006)利用遗传算法优选出神经网络有关结构和参数，并将其应用到作物病害识别诊断研究，获得良好识别效果。之后为减少输入特征向量个数，提高运算效率，加入了粗糙集技术，借此缩短了病害诊断时间。Huang等(2007)运用

4、图像分析和神经网络技术，以蝴蝶兰病虫害为研究对象，首先采用自适应指数变换法将病虫害区域分割出来，然后提取病虫害区域的颜色和纹理特征，最后构建出神经网络模型对蝴蝶兰病虫害进行分类识别，正确识别率可达97.2%oBurks(2000,2002)和Pydipati等(2005,2006)将图像从RGB颜色空间转换到HSI颜色空间，利用共生矩阵提取颜色和纹理特征参数，并以此特征参数作为识别杂草及病害的判别依据，取得很好识别效果。Boese等（2008）利用大叶藻病害叶片伪彩色图像计算其病斑而积，通过大量实验表明，该方法极大提高了叶部多种病虫害的正确识别率。美国学者Zayas采用机器视觉技术对散装小麦中

5、谷蠢虫进行了离线研究，结果表明：此方法正确识别率较高，但残缺粮粒、害虫的不同姿态、草籽等因素对虫害的识别有较大的影响。相对于国外研究情况，国内对农作物病害的识别诊断方而研究起步较晚，但也取得了一定成果。毛罕平等（2001）主要通过提取番茄缺素叶片的颜色、纹理特征，建立了三叉树模式识别框架，并在该框架基础上加入模糊K近邻法进行缺素种类识别；之后他们乂设计了基于神经网络技术的番茄缺素识别系统，正确识别率均在85%以上。沈佐锐、于新文等利用昆虫虫体的面积、周长等□个数学形态特征向量对四十种不同昆虫实现了自动鉴别，得岀了不同昆虫各项数学特征的权重。HI有文等（2004-2007）将玉米、黄瓜等作物病斑

6、的颜色、纹理特征作为支持向量机（SVM）模式识别方法的特征输入，对病害进行了识别诊断；之后，他们通过对葡萄叶部病害的识别，证明了支持向量机较神经网络算法来说，对小样本问题具有更好的识别性能。王双喜等针对温室黄瓜叶部病害图像进行了分割、增强、特征提取等方面的研究，研究表明，采用灰度共生矩阵方法提取岀来的惯性矩，能有效区分黄瓜斑疹病和角斑病；同时研究发现，多区域双峰法可较准确地去除病害背景。胡春华和李萍萍等（2004）分别在RGB、HSV等颜色空间中分析比较正常的黄瓜叶片和缺铁、缺镁、缺氮的黄瓜叶片彩色图像的颜色特征，并给出不同缺素图像的特征，研究发现，利用HSV颜色空间中的H（色调）的相对差值百

7、分比直方图，可以有效确定叶片的缺素病态区间。崔艳丽等（2005）利用计算机图像识别分析技术对常见的两种黄瓜病害进行了研究，研究发现色调H偏度可较明显的区分不同病害，为后续病害的识别诊断提供了重要参数依据。王克如等（2005）研究并开发了作物病害的远程图像识别系统，该系统对玉米叶部病害图像识别效果较好。齐龙（2006）等综合运用BP神经网络与模糊C均值算法，能准确识别番茄和玉米的部分病害。赵玉霞等（