综述:叶病虫害自动识别图像处理技术的最新进展

本文全面综述了利用图像处理技术和机器学习技术进行作物病虫害识别的最新研究进展,植物表型资讯介绍如下。

 

1

 

 

 

快速、准确地检测植物病害对于持续提高农业生产力至关重要。常规方法是通过人类专家诊断由病虫害、营养不良或极端天气等引起的植物异常。然而,该方法成本高、耗时间且不具通用性。因此利用图像处理技术进行植物病害识别成为当下热门的研究课题。

1

手工特征提取和分类工作流

2

提出了抽象层框架模型

本文全面综述了利用图像处理技术和机器学习技术进行作物病虫害识别的最新研究进展。作者希望这项工作能够为利用图像处理技术识别农作物病、虫害的研究人员提供宝贵资源。另外,本文还指出近期的研究重点主要集中在通过深度学习技术获取特征来训练浅层分类器,取代以往人工方法。该研究显示图像处理技术在特定数据集中具有较高识别精度,但是当在其他不同数据集中或在野外条件下进行测试时,系统性能会大大降低。尽管如此,迄今为止取得的进展同样令人鼓舞。本文还展示了10种CNN架构在叶片病害识别方面(精度、召回率、特异性、F1-score、训练时长、存储要求等)具有良好性能。最后本文针对在常规以及移动/嵌入式计算环境中部署的最合适体系结构提出了建议。本文还讨论了一些尚未解决的挑战,例如:开发在野外条件下使用的自动植物病害识别系统。

3

利用深度学习研究作物病虫害识别的各种出版作品摘要

4

(a) 验证精度和(b)10个CNN架构的验证损失

 

来源:

Ngugi L C., Abelwahab M and Abo-Zahh M. Recent advances in image processing techniques for automated leaf pest and disease recognition – A review. Information Processing in Agriculture. https://doi.org/10.1016/j.inpa.2020.04.004.

 

扩展阅读:

直播回放|漫谈叶绿素荧光:从原理到应用

国际植物表型网络IPPN介绍和入会指南

植物表型资讯两周年目录汇总

植物表型资讯2019年1-12月目录汇总

植物表型资讯2020年1-4月目录汇总

3