邸 洁 曲建华

(山东师范大学商学院，250358，济南)

1 引 言

苹果种植在中国有着两千多年的发展历史，种植面积逐年扩大，世界苹果总产量的65%来自中国.在国家经济政策的支持下，传统苹果产业逐步向现代化发展，中国逐渐发展为世界苹果产业强国[1].但同时，苹果种植产业快速发展的背后，病害防治一直是困扰果农的重要难题之一[2,3].大多数情况下，果农识别苹果病害是通过参照已有经验、对照书籍、查询互联网或者请教专业技术人员等方式，而仅通过以上方式，不仅不利于及时有效地识别病害，甚至可能会引起某些人为判断的误差.现实生产中，对苹果病害的有效自动检测，不仅能实时监测苹果健康状况，还能帮助果农正确判断苹果病害，从而进行及时防治，避免大面积病害情况的出现，这对促进苹果健康生长以及增加果农经济收益具有重要意义.

苹果病害多达数百种，主要分布在果实、叶片、枝干、根部等部位，而常常首先出现在叶部[4].叶片具有易观察、易采集、易处理的特点，是人们识别病害的重要参照.所以，对苹果叶部病害进行有效的自动检测具有重要研究意义.但由于叶片纹理复杂多变，差异性极难判断，造成目前许多研究方法的检测效果并不理想.

目前，国内外研究人员在苹果叶部病害检测方面已经取得了很多研究成果.李宗儒等人[5]建立BP网络模型，实现了低分辨率下苹果叶部病害图像的智能识别和诊断；Rong-Ming H U等人[6]提出基于高光谱图像的苹果叶病斑提取的研究方法，采用传统的光谱特征和面向对象的特征方法从高光谱图像中提取苹果叶病斑；……