学术中心
粮食作物和豆科作物病害的检测与分类研究
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：植物表型资讯
- 发布时间：2021-09-05 06:10
- 访问量：
【概要描述】图像处理是解读多层次表型采集技术获取的多维植物表型图像数据集的重要途径。
粮食作物和豆科作物病害的检测与分类研究
【概要描述】图像处理是解读多层次表型采集技术获取的多维植物表型图像数据集的重要途径。
- 分类：植物表型资讯
- 作者：PhenoTrait
- 来源：植物表型资讯
- 发布时间：2021-09-05 06:10
- 访问量：
传统作物病害监测与检测方法避免不了成本高、主观性强、标准不一、对专业人员依赖性强等弊端。随着信息技术的快速发展以及环境传感器的不断推陈出新，高通量的表型鉴定技术和基于计算机大数据的新兴图像处理方法开始逐渐应用于农作物病害的识别诊断中，并表现出极大的优越性。
本文综述了国内外有关粮食作物和豆科作物的文献，以水稻、小麦、玉米和豆类作物为主要研究对象，针对主要病害类型，详细介绍了植物病害检测系统涉及的常用图像处理方法及其优缺点。
图1. a、b、c、d分别为水稻、小麦、玉米和豆类作物的主要病害示意图
图像处理是解读多层次表型采集技术获取的多维植物表型图像数据集的重要途径。获取数据密集型的多维度表型数据涉及以下流程：图像采集(传感器和成像技术的选择、图像捕获条件等)、图像预处理(图像增强、去噪、裁剪/缩放和图像平滑等)、图像分割(阈值分割、边缘分割、聚类识别等)、特征提取、分类识别、深度学习(卷积神经网络、递归神经网络，前馈/反向传播神经网络等)。
图2.图像预处理结果，其中e.原始病害图像，f.增强图像
图3.图像分割结果，其中g.增强图像，h.加权分割，i.融合图像，j.感染部位识别
随着育种4.0世代的推进，测序技术和计算机人工智能技术飞快发展，海量的基因型信息需要和高通量表型信息对应，因此精准且全自动的表型获取至关重要。近年来，计算机遗传算法、深度学习和图像处理等技术将表型数据转化为具有生物学意义的信息，逐渐大规模应用到表型性状自动识别中，并展示出强大的优势。深度学习模型在某种程度上能够更准确地识别疾病，但仍然需要匹配高效的计算机技术以更有效地解决农业问题。
来源: Prajna Urva(2021).Detection andClassification of Grain Crops and Legumes Disease: A Survey. Sparklinglight Transactions on Artificial Intelligence and Quantum Computing (STAIQC),1(1), 41–55.
编辑: 李叶红
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯
慧诺瑞德（北京）科技有限公司版权所有 京ICP备15043840号 网站建设：中企动力 北二分 法律声明