16、植物病害检测技术：机器学习与图像处理的应用

植物病害检测技术：机器学习与图像处理的应用

1. 引言

在选择化学药剂及其用量时需采取一些预防措施。如今，用于识别和处理受病害影响植物的计算技术，能为通过手动观察患病植物进行诊断等任务的人员提供宝贵帮助。机器学习中的特征提取和分类可检测受影响植物的病害类型及其严重程度。利用由植物叶片图像样本组成的数据集，通过自动化工具分析植物健康状况，依据叶片的大小、颜色和形状进行判断，是提高生产力和质量的可靠准确方法。传统植物病害检测技术的弊端促使机器学习和计算机视觉等现代技术用于植物病害的识别和诊断，使用这些技术能更精确、可靠和准确地评估植物病害。若这些系统易于使用且能通过移动应用访问，将成为有价值的工具，尤其在缺乏专家咨询基础设施的国家。此外，在大规模种植中，该模型可与农业车辆集成，通过定期图像采集监测，准确快速地检测整个种植区域的病害。

2. 文献综述

• 多种植物病害检测模型
  • Mohan Jagan等人（2016） ：提出基于图像处理的系统识别和分类三种水稻叶部病害。模型分为病害检测模块和病害识别模块。病害检测模块使用类Haar特征和AdaBoost分类器，准确率达83.33%；病害识别模块使用SIFT特征提取器，结合支持向量机（SVM）和k近邻（KNN）分类器，分类准确率分别为91.10%和93.33%，可早期检测病害并采取纠正措施。
  • Zhang和Wang（2016） ：提出使用全局 - 局部奇异值分解（SVD）和SVM技术识别黄瓜霜霉病、炭疽病和疫病的模型。先收集并归一化图像样本，用Otsu阈值法