14、基于机器学习技术的珍珠粟叶图像病害识别与分类

基于机器学习技术的珍珠粟叶图像病害识别与分类

1. 引言

传统农业系统的主要目标是满足人类和动物的饮食需求，因此农民更倾向于种植像小米这样的健康谷物，而非小麦和水稻等高产量作物。然而，随着农业商业化趋势的增加，农民开始对高产且能满足饮食需求的作物产生兴趣，这就促使人们需要开发一种既具有经济收益又富含营养的精准农业作物。

珍珠粟被认为是一种高产且营养丰富的作物，但锈病、稻瘟病、霜霉病和麦角病等病害会对其质量和生产力产生负面影响。物联网（IoT）在数据收集和存储方面的应用，以及机器学习方法在目标检测、识别、可视化和模式识别领域的处理和集成，促使人们开发一种基于机器学习的解决方案，用于从叶片图像中识别和分类植物病害。主要贡献如下：
1. 提出一种自动检测和分类珍珠粟病害的方法。
2. 应用数据增强技术获取图像数据集用于模拟。
3. 应用并评估不同的机器学习方法，以识别和分类珍珠粟叶片图像中的病害。
4. 比较各种方法在植物病害识别和分类中的性能。

2. 文献综述

在植物病害分类和检测领域的研究，为目标检测、识别和可视化提供了重要见解。传统方法依赖于人工识别和分类植物病害，但这种方法无法充分了解作物的温度、土壤湿度、湿度等参数，难以对植物的实际状态进行监测。此外，传统方法通常耗时且需要大量人力，农民还需要专家建议才能正确检测作物健康状况。

物联网与机器学习技术的结合，使农民能够通过观察叶片图像自动检测植物病害。各种基于物联网的解决方案，如智能手机、GPS、无人机摄像头等，被用于数据收集、存储和处理。相关研究工作如下：
| 参考文献 | 年份 | 植物 | 病害 | 数据集 | 数据收集方法 |