馬曉丹 祁廣云 關(guān)海鷗 金寶石 李偉凱 陳爭(zhēng)光 譚峰

摘 ?要：植物病害無損智能診斷一直是農(nóng)業(yè)科研工作者研究的熱點(diǎn)問題之一，通過獲取染病植株圖像開展病害診斷方法研究是一個(gè)重要的研究手段，因此，文章綜述了基于圖像的植物病害無損診斷方法的研究進(jìn)展。

關(guān)鍵詞：植物病害;圖像;無損診斷

雖然經(jīng)過農(nóng)業(yè)科技工作者的多年努力，植物病害監(jiān)測(cè)、管理、防治等方面研究取得了顯著成效，但還存在著諸多問題。植物保護(hù)專家雖然具有病害診斷、預(yù)測(cè)的豐富經(jīng)驗(yàn)，但不能及時(shí)親臨生產(chǎn)一線實(shí)時(shí)診斷病情。同時(shí)，由于很難用精確和定量的數(shù)學(xué)對(duì)植物病害癥狀的外觀表癥進(jìn)行描述，所以在對(duì)病害癥狀診斷的時(shí)往往出現(xiàn)偏差。把植物病害自動(dòng)檢測(cè)看作是一個(gè)聚類或分類問題，這樣對(duì)植物病害進(jìn)行識(shí)別時(shí)就可以利用圖像處理和模糊診斷模型技術(shù)，并對(duì)植物的安全生產(chǎn)全過程進(jìn)行決策支持。

文章主要對(duì)近幾年來基于圖像的植物病害無損診斷方法的研究成果以及在這一領(lǐng)域中出現(xiàn)的新思路、新方法做了一個(gè)必要的回顧。

在棉花病害的識(shí)別研究中，毛罕平[1]等為提高作物病害區(qū)域圖像的提取效果，提出了一種基于模糊C均值聚類算法的病害圖像自適應(yīng)分割方法，且正確率達(dá)到95%以上。張建華等[2]基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了棉花常見病害的識(shí)別，對(duì)于四種棉花病害的識(shí)別正確率達(dá)到92.72%。

在馬鈴薯等病害的識(shí)別研究中，馬曉丹等[3-7]在研究植物病斑區(qū)域分割及病害等級(jí)預(yù)測(cè)過程中，利用了支持向量機(jī)及RGB顏色空間中病斑R分量明顯高于健康部分R分量的特點(diǎn)，選取R分量作為分割閾值，并利用統(tǒng)計(jì)驗(yàn)證的方法有效地提取了病斑區(qū)域。該作者又將量子計(jì)算的態(tài)疊加方法和神經(jīng)網(wǎng)絡(luò)計(jì)算的自適應(yīng)性結(jié)合，提出了將量子神經(jīng)網(wǎng)絡(luò)作為馬鈴薯早疫病診斷模型的思想，診斷正確率達(dá)到96.5%。在后續(xù)研究中，又開發(fā)了用于植物葉片病害智能分析系統(tǒng)及基于物聯(lián)網(wǎng)的大豆病害遠(yuǎn)程智能診斷系統(tǒng)。

在水稻病害的識(shí)別研究中，路陽(yáng)等[8]研究了水稻圖像的預(yù)處理方法，王遠(yuǎn)等[9]在此基礎(chǔ)上利用數(shù)碼相機(jī)獲取水稻冠層圖像，根據(jù)圖像的綠色通道及紅色通道差值所設(shè)定的閾值實(shí)現(xiàn)了水稻冠層圖像與土壤背景的分割，劉濤[10]利用支持向量機(jī)實(shí)現(xiàn)了水稻十五種主要病害的識(shí)別，鄭姣等[11]開發(fā)了基于Android的水稻病害圖像識(shí)別系統(tǒng)。

在玉米病害的識(shí)別研究中，邵喬林等[12]采用基于鄰域直方圖的方法實(shí)現(xiàn)了玉米田綠色植物圖像分割方法，夏政偉[13]應(yīng)用多重分形理論提取了玉米病害圖像的特征，張善文等[14]提出了一種基于局部判別映射的玉米病害識(shí)別方法，達(dá)到了達(dá)94.4%的識(shí)別精度。

在大豆病害的識(shí)別研究中，關(guān)海鷗等[15-17]利用T-S模型的模糊規(guī)則后件是輸入語(yǔ)言變量的函數(shù)特性，提出了線性清晰化的自適應(yīng)五層模糊神經(jīng)網(wǎng)絡(luò)作為農(nóng)作物病害圖像模式分類的決策系統(tǒng)，并結(jié)合量子遺傳算法對(duì)模型的可調(diào)整參數(shù)初始值進(jìn)行優(yōu)化。該模型對(duì)馬鈴薯早疫病圖像的病斑區(qū)域分割精確達(dá)到100%。為提高模型的魯棒性，在后續(xù)的研究中，針對(duì)病害專家系統(tǒng)中特征條件的復(fù)雜性和不確定性等弊端，將病害證據(jù)可信度和不確定性推理的傳遞算法有機(jī)結(jié)合，提出了一種基于證據(jù)可信度不確定推理的大豆病害診斷方法。

在對(duì)蔬菜病害的識(shí)別研究中，李明等[18]，孫敏等[19]，魏清鳳等[20]通過收集設(shè)施果菜病害診斷知識(shí)，依據(jù)糊數(shù)學(xué)的思想及評(píng)估學(xué)中多比例法量化診斷知識(shí)，實(shí)現(xiàn)了病害診斷知識(shí)的有效表達(dá)，建立了蔬菜病害模糊神經(jīng)網(wǎng)絡(luò)診斷模型及溫室蔬菜病害預(yù)警體系。

綜上所述，基于圖像進(jìn)行植株病害診斷是信息技術(shù)在作物病害領(lǐng)域應(yīng)用的重要發(fā)展方向，具有效率高、應(yīng)用前景廣闊等優(yōu)勢(shì)。與網(wǎng)絡(luò)技術(shù)、“3S”技術(shù)相結(jié)合是農(nóng)業(yè)信息化領(lǐng)域的發(fā)展趨勢(shì)。

參考文獻(xiàn)

[1]毛罕平，張艷誠(chéng)，胡波.基于模糊C均值聚類的作物病害葉片圖像分割方法研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（9）：136-140.

[2]張建華，祁力鈞，冀榮華，等.基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)的棉花病害識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（7）：161-167.

[3]馬曉丹，關(guān)海鷗，黃燕.基于圖像處理的玉米葉部染病程度的研究[J].農(nóng)機(jī)化研究，2009，31（11）：102-110.

[4]馬曉丹，關(guān)海鷗，黃燕.基于支持向量機(jī)的植物圖像分割[J].農(nóng)機(jī)化研究，2009（10）：46-48.

[5]馬曉丹，譚峰，許少華.基于量子神經(jīng)網(wǎng)絡(luò)的馬鈴薯早疫病診斷模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011（6）：174-183.

[6]馬曉丹，關(guān)海鷗，祁廣云，等.植物葉片智能分析系統(tǒng)的設(shè)計(jì)[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012，17（5）：155-159.

[7]馬曉丹，左豫虎，關(guān)海鷗，等.基于物聯(lián)網(wǎng)的墾區(qū)大豆病害遠(yuǎn)程診斷技術(shù)研究[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，44（4）：498-501.

[8]路陽(yáng)，關(guān)海鷗，趙斌，等.水稻病害圖像預(yù)處理及其特征提取方法研究[J].農(nóng)機(jī)化研究，2011（8）：27-30.

[9]王遠(yuǎn)，王德建，張剛，等.基于數(shù)碼相機(jī)的水稻冠層圖像分割及氮素營(yíng)養(yǎng)診斷[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（17）：131-136.

[10]劉濤，仲曉春，孫成明，等.基于計(jì)算機(jī)視覺的水稻葉部病害識(shí)別研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2014，47（4）：664-674.

[11]鄭姣，劉立波.基于Android的水稻病害圖像識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用[J].計(jì)算機(jī)工程與科學(xué)，2015，37（7）：1366-1371.

[12]邵喬林，安秋.基于鄰域直方圖的玉米田綠色植物圖像分割方法[J].江西農(nóng)業(yè)學(xué)報(bào)，2011，23（5）：126-128.

[13]夏政偉.多重分形理論在玉米病害圖像特征提取中的應(yīng)用[J].南方農(nóng)業(yè)學(xué)報(bào)，2013，44（5）：871-874.

[14]張善文，張傳雷.基于局部判別映射算法的玉米病害識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（11）：167-172.

[15]關(guān)海鷗，許少華，譚峰.基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)在植物病害圖像分割中的應(yīng)用[J].中國(guó)農(nóng)業(yè)大學(xué)，2011（3）：145-149.

[16]關(guān)海鷗，許少華，譚峰.基于遺傳模糊神經(jīng)網(wǎng)絡(luò)的植物病斑區(qū)域圖像分割模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41（11）：163-167.

[17]關(guān)海鷗，杜松懷，馬曉丹，等.基于證據(jù)可信度不確定推理的大豆病害診斷方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（S1）：109-114.

[18]李明，趙春江，楊信廷，等.溫室蔬菜病害預(yù)警體系初探—以黃瓜霜霉病為例[J].中國(guó)農(nóng)學(xué)通報(bào)，2010，26（6）：324-331.

[19]孫敏，羅衛(wèi)紅，相林，等.設(shè)施果菜病害診斷的知識(shí)表達(dá)與推理模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（17）：149-156.

[20]魏清鳳，羅長(zhǎng)壽，曹承忠，等.基于模糊神經(jīng)網(wǎng)絡(luò)的蔬菜病害診斷模型研究[J].湖北農(nóng)業(yè)科學(xué)，2013，52（17）：4224-4227.