李 昊,王 斌,2

1(南京财经大学 信息工程学院,南京 210023)

2(智能机器人湖北省重点实验室(武汉工程大学),武汉 430205)

1 前言

农作物在生长过程中,容易遭受细菌、真菌、害虫等的侵害,感染各种疾病,从而极大的影响了农作物的产量和品质. 比如深受人们喜爱的苹果,常患的叶片疾病有斑点落叶病、灰斑病和锈病等[1](如图1 所示).如何有效的防控农作物病虫害,是农林业研究领域和业界的一个普遍关注的问题.

图1 遭受不同病害的叶片病斑图像

防控农作物病害首先要对病害类型进行准确的识别,由于农作物患病会在叶片部位留下明显的病斑(如图1 所示),叶片的病斑视觉表征常作为区分不同病害类型的重要依据.

通过观察叶片的病斑来确定病害类型,需要专业的知识,但是我国植保专家数量有限,人工识别成本高昂,并不适合一般的农民. 而且有些类型病害的病斑比较相似,人眼很难区分,误判率较高,所以迫切需要一种能够自动、快速、准确识别叶片病害的方法. 近些年来,研发基于计算机视觉和图像处理技术的农作物病害自动识别系统,成为了人工智能应用研究的一个热点.

在传统的病害图像识别方法中,特征的提取主要依赖于手工设计的特征提取器,通过提取病害图像的颜色、纹理、几何形状、空间关系等特征来进行病害识别. 这种方法不需要强大的硬件设备支持,在小样本数据集上可以取得不错的识别效果,但是大多都需要复杂……