张 宁，吴华瑞，韩 笑，缪祎晟

(1.北京农学院 计算机与信息工程学院，北京 102206； 2.国家农业信息化工程技术研究中心，北京 100097； 3.北京农业信息技术研究中心，北京 100097； 4.农业农村部农业信息技术重点实验室，北京 100097)

番茄种植面积近7亿m2，是我国的重要经济作物之一。受各种环境因素影响，番茄病害发生频频，严重影响番茄产量和质量。而物联网拥有大量传感器，能够捕捉农作物状态[1]，透明化番茄生产过程。结合计算机视觉技术处理采集信息，可以实现番茄病害的自动化诊断，对提高农业信息采集效率和科学决策水平具有十分重要的意义[2]。

研究人员采用不同算法对作物病害图像的纹理、颜色与形状等差异特征进行处理分析[3]。Srivastava等[4]采用统计阈值法对葡萄病害叶片进行图像分割，并根据颜色差异，判断是否感染霜霉病。王守志等[5]通过提取病斑的纹理与颜色特征，采用Mercer正定核，在高维特征空间进行k-means聚类，对玉米4种病害进行分类，最终的正确率达到82.5%。以上的传统方法需要人工设计特征，耗费人力物力，且识别作物种类单一，效果不佳。随着机器视觉技术和神经网络算法的发展，研究人员开始将先进的计算机视觉技术同无线传感器网络相结合引入作物病害识别。殷建军等[6]为了实时获取智能温室农作物生长信息，设计了一种低成本、高分辨率的无线图像传感器节点，基于所设计的节点提出WiFi+4G的大棚监测系统，但视频延时高，难以实时监测种植环境信息。……