金 瑛，叶 飒，李洪磊

（1.辽宁师范大学大数据与商务智能实验室，大连 116029；2 中国农业科学院农业信息研究所，北京 100081）

1 引言

果树病害因受到全球气候和环境条件变化呈现出爆发式上升趋势。由于病害的传播速度取决于环境条件和植物的易感染性，果树在生长周期中容易受到多种疾病的入侵。在实际的果树病害检测识别中，种植户通常依赖于人眼观察和靠经验诊断，这种方法不仅耗时、主观性强、而且误判率高。因此能够使用高科技手段，在复杂的农业生态环境中及时准确的诊断果树所患疾病具有积极意义。

互联网的普及应用，以及与机器学习技术的结合，为果树病害的远程诊断提供了有力支撑。相关研究表明，利用机器学习，特别是深度学习技术自动识别果树病害图像是可行的。如祁钊等提出了主成分分析和支持向量机组合的方法识别室外玉米叶部病害的图像，并用Retinex 算法，对图像进行了增强，总识别精度达到90.74%[1]。刘浩洲等使用K-means 聚类图像分割方法，识别猕猴桃花朵，该算法成功率为92.5%[2]。毕傲睿提出了利用改进的中值滤波方法去除噪声，并有效的保留了边缘信息的预处理方法，采用直方图均衡化方法，对图像进行了增强，提高动态范围和比较高的对比度，将受到不同影响的图像转化为较统一的形式；使用模糊C 均值聚类算法分割病斑图像，对图像的特征提取方法上选择15 类特征参数，最后选用基于支持向量机的病害识别模型[3]。……