吴 蔚

（泰山学院 信息科学技术学院，山东 泰安 271000）

苹果因其重要的营养价值和经济价值，成为世界上最重要的水果作物之一。在中国，苹果的种植面积和经济产量位居世界前列，且有逐年增加的趋势。然而，苹果叶部时常遭受病虫害侵袭，而叶子状态常常是植物健康的晴雨表，很多病症的发展最初往往源于叶部。因此，对于苹果叶部病虫害种类进行及时有效识别，从而采取针对性措施进行防治，是保持苹果产量和质量进一步增长的重要举措之一，具有重要的经济价值和现实意义。

过去识别苹果叶部病虫害的方法主要通过专家诊断或者请教有经验的农民。然而，专家咨询可能存在花费高且缺乏时效性的缺点。而最有经验的农民由于其个体的局限性，也不能保证准确识别出所有叶部病虫害种类。因此，在智慧农业的背景下，由传统农业中完全依靠人力辅助转为借助机器智能的方式进行叶部病虫害识别，成为推动苹果产业增量增产的新趋势。前几年主要采用传统机器学习的方法进行叶病种类识别。该类方法主要通过手工的方式提取及处理不同病虫害种类的叶部形状、颜色、纹理等特征，然后采用诸如K-means、支持向量机（Support Vector Machines，SVM）、贝叶斯等方法实现分类。例如王建玺等[1]采用叶部病灶部位的颜色差异和边界轮廓追踪算法提取出病灶区域，然后采用SVM方法进行种类识别。李超等[2]提出一种基于特征融合和局部特征映射的方法识别苹果叶病种类，识别率高达96%。……