徐识溥，李琳一，贾金原，王运圣，刘 畅，刘 勇，马 超

AR辅助的基于HOG-SVM移动水稻病害智能分析与识别系统

徐识溥1,2，李琳一1,2，贾金原3，王运圣1,2，刘 畅4，刘 勇1,2，马 超1,2

(1. 上海市农业科学院农业科技信息研究所，上海 201403；2. 上海数字农业工程与技术研究中心，上海 201403；3. 同济大学软件学院，上海 201804；4. 南昌航空大学信息工程学院，江西 南昌 330063)

针对传统病害识别系统存在拍摄环境要求高、样本数量要求多的缺点，设计了一套增强现实（AR）辅助的基于方向梯度直方图(HOG)-支持向量机(SVM)的识别方案。在较少素材量的前提下，由于诊断系统中引入AR技术辅助拍摄，在训练时长、识别速度以及平均精度上优于其他方法。以安卓终端为例，实现了AR辅助基于HOG-SVM的移动水稻病害识别系统，能够快速识别病害指导用户提高拍摄图片的质量。通过对批量图片进行病斑识别，分别从病害准确率、病害叶片检出率和病斑定位准确率3方面对病斑识别结果进行分析，最终得出，AR技术与基于HOG-SVM快速识别方案的结合能够在小训练样本前提下给出更快的训练结果和识别结果，且平均精度高于YOLO v3，SSD 512和Fast R-CNN等深度模型，是一种比较合适目前移动端病害识别的方法。

增强现实；方向梯度直方图；支持向量机；水稻；病害识别

水稻是我国重要的粮食作物，对农业经济有巨大影响。病害是威胁水稻产量和品质的重要因素，及时发现和准确判断病害种类与部位，采取相应的防治措施，是减少病害损失的重要途径。但植保专业之外的人员很难在田间准确识别病虫害[1]，常常因错过控制期或农药使用不当造成农药残留超标而造成经济损失。……