基于图像的植物病害预测模型的最新进展

本文对基于机器学习的植物病害预测模型进行了探讨,并对多种成像技术,如RGB、多光谱、高光谱、热光谱、荧光光谱等进行了简要综述,植物表型资讯介绍如下:

印度作为整个食品工业的主要贡献者,在农业领域的地位举足轻重。目前,保护作物免受植物病害已成为一项重要课题。植物病害的发生在很大程度上取决于不可控制的环境因素。为了减少经济、生产损失,可以将农业研究和先进的计算技术结合起来确定一个有效的解决方案,从而提高作物产量。研究人员为了预测和及早检测植物病害,开发了几种建模技术,如人工神经网络(ANN)、支持向量机(SVM)和深度学习。目前,通常将患病植物图像作为预测模型输入。另外,及早发现植物病害可以尽量减少农药的使用,从而降低费用和生态影响。更重要的是预测技术在本质上不具破坏性。1

来自PlantVillage数据集的苹果叶片腐烂(彩色、灰度和分段)的图像

本文对基于机器学习的植物病害预测模型进行了探讨,并对多种成像技术,如RGB、多光谱、高光谱、热光谱、荧光光谱等进行了简要综述。另外,本文对来自知名同行评审期刊的35篇研究论文进行研究和分析,着重介绍了植物病害诊断的最新趋势,并通过应用现代技术确定了未来的范围

2

(从左到右)高光谱,多光谱,热和荧光光谱图像

 

来源:

Verma S, Chug A and Singh P A. Recent Advancements in Image-Based Prediction Models for Diagnosis of Plant Diseases. Proceedings of 3rd International Conference on Computer Vision and Image Processing, Advances in Intelligent Systems and Computing 1022,https://doi.org/10.1007/978-981-32-9088-4_31

 

扩展阅读:

植物表型资讯两周年目录汇总

植物表型资讯2019年1-10月目录汇总

微信图片_20190924114307