基于计算机视觉技术的水稻病害图像识别研究进展

doi:10.14088/j.cnki.issn0439-8114.2022.04.002

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (4): 9-15.doi: 10.14088/j.cnki.issn0439-8114.2022.04.002

基于计算机视觉技术的水稻病害图像识别研究进展

李辉¹, 罗敏², 岳佳欣¹

1.成都农业科技职业学院机电信息学院,成都 611130;
2.四川水利职业技术学院信息工程系,四川崇州 611200

收稿日期:2021-03-25 出版日期:2022-02-25 发布日期:2022-03-18
作者简介:李辉（1981-）,女,四川资中人,副教授,主要从事农业图像处理方面的研究,（电话）13880697468（电子信箱）lhdxl2005@163.com。
基金资助:
成都市哲学社会科学重点研究基地-成都水生态文明建设研究重点基地课题（SST2019-2020-18）; 成都农业科技职业学院青年基金项目（20QN-05）

Research progress of recognition of rice disease images based on computer vision technology

LI Hui¹, LUO Min², YUE Jia-xin¹

1. Department of Electro-mehanicsl and Information, Chengdu Agricultural College, Chengdu 611130,China;
2. Department of Information Engineering, Sichuan Water Conservancy Vocational College, Chongzhou 611200, Sichuan,China

Received:2021-03-25 Online:2022-02-25 Published:2022-03-18

摘要/Abstract

摘要： 从病害图像采集、图像处理、特征提取、分类识别4个方面对水稻常见病害的识别方法和技术进行了综述研究,分析了一些典型方法的基本原理、关键技术、实现方法和应用效果,总结了该领域现有研究存在的问题与不足,对未来的发展趋势和研究方向进行了展望。采用计算机视觉技术对农作物病虫害进行识别,具有无损、快速、实时、准确等特点,对于加速农业现代化建设、提高生产效率有重要影响。随着移动通信技术、大数据、物联网、人工智能、遥感技术的高速发展,通用性广、稳定性强、精确度高、实时性强的自然环境下大面积农作物病虫害图像智能识别与防治、病虫害海量数据标准化处理是农作物病虫害识别未来的重要研究方向。

关键词: 水稻病害, 图像识别, 计算机视觉技术

Abstract: The recognition methods and technologies of common diseases were reviewed from four aspects, image acquisition, image processing, feature extraction and classification recognition. The basic principles, key technologies, implementation methods and application effects of some typical methods were analyzed. The problems and shortcomings of existing research in this field were summarized. The future development trends and research directions were prospected. Using computer vision technology to identify crop pests and diseases has the characteristics of nondestructive, rapid, real-time and accurate, which has a profound impact on accelerating agricultural modernization and improving production efficiency. With the rapid development of mobile communication technology, big data, internet of things, artificial intelligence and remote sensing technology, intelligent recognition and prevention of large area crop diseases and insect pests in natural environment with wide universality, strong stability, high accuracy and strong real-time performance, and standardized processing of mass data of diseases and insect pests are important research directions in the future.

Key words: rice disease, recognition of images, computer vision technology

中图分类号:

李辉, 罗敏, 岳佳欣. 基于计算机视觉技术的水稻病害图像识别研究进展[J]. 湖北农业科学, 2022, 61(4): 9-15.

LI Hui, LUO Min, YUE Jia-xin. Research progress of recognition of rice disease images based on computer vision technology[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(4): 9-15.

参考文献

[1] 管泽鑫. 基于图像的水稻病害识别方法的研究[D].杭州:浙江理工大学,2010.
[2] 傅卓军. 水稻病害诊断专家系统的研究与实现[D].长沙:湖南农业大学,2010.
[3] 姚青,张超,王正,等.分布式移动农业病虫害图像采集与诊断系统设计与试验[J].农业工程学报,2017,33(S1):184-191.
[4] 郑姣,刘立波.基于Android的水稻病害图像识别系统设计与应用[J].计算机工程与科学,2015,37(7):1366-1371.
[5] 刘小红. 自适应图像压缩的水稻病害诊断平台[J].计算机技术与发展,2018,28(10):173-176,181.
[6] 姜慧. 基于Android的水稻害虫图像采集与识别系统研究[D].杭州:浙江理工大学,2013.
[7] 张永玲. 基于Android的水稻病虫害图像识别与诊断系统的研究[D].杭州:浙江理工大学,2018.
[8] 张芳. 基于计算机视觉的农作物病害检测系统的研究[D].西安:陕西科技大学,2013.
[9] 王震,褚桂坤,张宏建,等.基于无人机可见光图像Haar-like特征的水稻病害白穂识别[J].农业工程学报,2018,34(20):73-82.
[10] 景晨. 基于无人机平台和图像处理的水稻感染稻纵卷叶螟虫害自动识别技术[J].农业开发与装备,2018(11):98-100.
[11] 周道炳,朱卫纲. 几种边缘检测算子的评估[J]. 指挥技术学院学报,2000,11(1): 59-63.
[12] 何丹丹,徐梅.基于多策略融合技术的水稻叶片边缘检测算法研究[J].东北农业大学学报,2012,43(5):65-68.
[13] 段瑞玲,李庆祥,李玉和. 图像边缘检测方法研究综述[J].光学技术,2005,31(3): 415-419.
[14] 吴露露,郑志雄,齐龙,等.基于图像处理的田间水稻叶瘟病斑检测方法[J].农机化研究,2014,36(9):32-35.
[15] 刘立波,赵春江,吴华瑞,等.数学形态学在作物病害图像预处理中的应用研究[J].农机化研究,2013,35(8):180-183.
[16] 江林,黎娟华,林湛松,等.21个稻瘟菌株毒力与42个水稻品种抗瘟性的系统聚类分析[J].中国农学通报,2011,27(18):17-23.
[17] 李培富,李冬.宁夏水稻抗稻瘟病性的聚类分析[J].宁夏农林科技,2007(2):40-41,68.
[18] 黄凤宽,韦素美,梁广文,等.水稻品种抗褐飞虱和稻瘿蚊的聚类分析[J].华中农业大学学报,2005,24(2):133-137.
[19] 谭峰,马晓丹.基于神经网络的植物图像分割算法的研究[J].黑龙江八一农垦大学学报,2009,21(1):63-65.
[20] LIU L B,ZHOU G M.Extraction of the rice leaf disease image based on BP neural network[A]. Computational intelligence and software engineering[C]. Wuhan,2009.
[21] 罗湘. 基于神经网络的图像分割方法综述[J].计算机产品与流通,2019(9):161.
[22] 贾少鹏,高红菊,杭潇.基于深度学习的农作物病虫害图像识别技术研究进展[J].农业机械学报,2019,50(S1):313-317.
[23] 王琢,汪雅婷,宋文龙,等.基于深度学习的叶片图像分割算法[J].森林工程,2019,35(1):42-46.
[24] 陈天娇,曾娟,谢成军,等.基于深度学习的病虫害智能化识别系统[J].中国植保导刊,2019,39(4):26-34.
[25] XIONG X,DUAN L F,LIU L B,et al.Panicle-SEG: A robust image segmentation method for rice panicles in the field based on deep learning and superpixel optimization[J]. Plant methods,2017,13:104.
[26] 段凌凤,熊雄,刘谦,等.基于深度全卷积神经网络的大田稻穗分割[J].农业工程学报,2018,34(12):202-209.
[27] ZHAO X,YUAN Y T,SONG M D,et al.Use of unmanned aerial vehicle imagery and deep learning UNet to extract rice lodging[J]. Sensors (Basel),2019,19(18):3859.
[28] 刘丽娟,刘仲鹏.北方旱育稀植水稻病害图像识别预处理研究[J].江苏农业科学,2014,42(1):92-94.
[29] YANG N,QIAN Y,EL-MESERY H S,et al. Rapid detection of rice disease using microscopy image identification based on the synergistic judgment of texture and shape features and decision tree-confusion matrix method[J]. Journal of the science of food and agriculture,2019,99(14):6589-6600.
[30] SANYAL P, PATEL S C.Pattern recognition method to detect two diseases in rice plants[J]. The imaging science journal,2008, 56(6):319-325.
[31] 路阳,关海鸥,赵斌,等.水稻病害图像预处理及其特征提取方法研究[J].农机化研究,2011,33(8):27-30.
[32] 赵开才. 基于支持向量机的水稻稻瘟病识别技术研究[D].哈尔滨:哈尔滨工程大学,2012.
[33] 刘涛,仲晓春,孙成明,等.基于计算机视觉的水稻叶部病害识别研究[J].中国农业科学,2014,47(4):664-674.
[34] 崔丽洁. 机器学习在水稻病斑图像识别中的方法研究[D].山东青岛:青岛科技大学,2019.
[35] 李妍. 玉米大豆水稻图像识别方法研究[D].黑龙江大庆:黑龙江八一农垦大学,2017.
[36] 袁媛,陈雷,吴娜,等.水稻纹枯病图像识别处理方法研究[J].农机化研究,2016,38(6):84-87,92.
[37] 关莹. 基于图像处理的水稻叶部病害快速识别方法研究[D]. 哈尔滨:东北农业大学,2018.
[38] 张超. 嵌入式水稻病虫害图像采集与诊断系统的研究[D].杭州:浙江理工大学,2017.
[39] 谢亚平. 基于高光谱技术的水稻稻曲病监测研究[D].杭州:杭州电子科技大学,2018.
[40] 刘立波,周国民.基于多层感知神经网络的水稻叶瘟病识别方法[J].农业工程学报,2009,25(S2):213-217.
[41] 刘海波. 基于WebGIS平台水稻病虫害预警关键技术研究与实现[D].长沙:湖南农业大学,2012.
[42] 刘丽娟. 基于气象条件的北方寒地水稻病虫害预警系统的研究[D]. 黑龙江大庆:黑龙江八一农垦大学,2013.
[43] 王园媛,李晓菲,陈涛,等.云南省水稻白叶枯病BP神经网络测报技术研究[J].云南农业大学学报(自然科学版),2013,28(2):257-263.
[44] 胡越浪. 基于神经网络的水稻纹枯病图像检测[D].四川雅安:四川农业大学,2014.
[45] 李淼,王敬贤,李华龙,等.基于CNN和迁移学习的农作物病害识别方法研究[J].智慧农业,2019,1(3):46-55.
[46] 谭云兰,欧阳春娟,李龙,等.基于深度卷积神经网络的水稻病害图像识别研究[J].井冈山大学学报(自然科学版),2019,40(2):31-38.
[47] 邱靖,刘继荣,曹志勇,等.基于卷积神经网络的水稻病害图像识别研究[J].云南农业大学学报(自然科学版),2019(5):884-888.
[48] 刘婷婷,王婷,胡林.基于卷积神经网络的水稻纹枯病图像识别[J].中国水稻科学,2019,33(1):90-94.
[49] 刘成. 基于机器学习的水稻病害识别算法的研究[D].合肥:安徽大学,2018.
[50] 张楠,路阳,李欣,等.基于softmax的水稻稻瘟病识别方法研究[J].信息记录材料,2018,19(1):209-211.
[51] 黄双萍,孙超,齐龙,等.基于深度卷积神经网络的水稻穗瘟病检测方法[J].农业工程学报,2017,33(20):169-176.
[52] 李志伟,袁婧,丁为民,等.基于高光谱成像技术识别水稻纹枯病[J].华南农业大学学报,2018,39(6):97-103.
[53] 郑志雄,齐龙,马旭,等.基于高光谱成像技术的水稻叶瘟病病害程度分级方法[J].农业工程学报,2013,29(19):138-144.
[54] 杨燕. 基于高光谱成像技术的水稻稻瘟病诊断关键技术研究[D].杭州:浙江大学,2012.
[55] 黄双萍,齐龙,马旭,等.基于高光谱成像的水稻穗瘟病害程度分级方法[J].农业工程学报,2015,31(1):212-219.
[56] 朱梦远,杨红兵,李志伟.高光谱图像和叶绿素含量的水稻纹枯病早期检测识别[J].光谱学与光谱分析,2019,39(6):1898-1904.

基于计算机视觉技术的水稻病害图像识别研究进展

Research progress of recognition of rice disease images based on computer vision technology

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价