马玉琨,刘子琼,张文武,冯向荣

（1.河南科技学院人工智能学院,河南新乡453003;2.河南科技学院信息工程学院,河南新乡453003）

农作物是人们赖以生存的主要食物来源,农作物病虫害严重影响了粮食产量和质量[1].我国是农业大国,粮食质量和产量是国计民生的保障,所以农业病虫害的防治至关重要.预警和预报是有效预防和控制植物病害的基础.目前为止,我国农作物病虫害检测主要依靠人工观察,但是农作物病害种类多,农民的专业知识不全面,容易延误最佳防治时期,且病虫害具有突发性、不可预见性,病害检测不及时错过最佳的治理时间,也会导致粮食减产质量下降.因此农作物病斑的自动检测问题亟待解决.

近年来,图像识别技术被应用于农业领域,国内外学者基于农作物叶部病虫害图像对病虫害自动识别进行了研究.农作物病虫害的自动检测方法包括基于手工特征和基于深度学习两种方法.基于手工特征的方法如方向梯度直方图+支持向量机[2]、mean shift算法[3]等.唐建等[4]提取颜色特征和纹理特征,用贝叶斯判别法对水稻病害识别;杨倩等[5]综合颜色特征和局部二值化模式（Local Binary Pattern,LBP）纹理特征,特征向量融合构建支持向量机对大麦病害进行识别;陈兵旗等[6]用小波变换和纹理矩阵方法强调小麦病变部位.纵观前人用机器学习方法的其主要是基于单一的特征进行分类,无法全面完整地描述病害图像的特点.深度学习的方法如Hulya Yalcin等[7]通过……