边柯橙,杨海军,路永华
(兰州财经大学信息工程学院,甘肃兰州 730030)
目前,国内大多数农民对农作物病虫害的判别方法停留在传统的实地目测上,通过农作物的外观表面形态等进行判断,多依赖于个人经验。专家对于病虫害识别具有丰富经验,但往往不能及时赶往现场,或者因有限的人力资源不能进行大型区域识别,容易导致误判和漏判。如何有效、快捷地防治农作物病虫害,成为当前智能农业必须考虑的问题。
计算机视觉技术在农业应用中最为广泛,主要研究方向有作物病害检测与诊断[1]、农产品采摘预测[2]、农产品品质检测[3]、农产品分级等。使用计算机视觉技术在不影响农作物本身生长的前提下对农业病虫害进行检测识别,具有无损、快速、实时等特点。国内外专家学者在病虫害图像识别领域的研究工作主要集中在图像分割、图像特征提取、图像分类和识别等[4]。
本文研究的主要动因是:在农作物病虫害检测识别领域进行深入研究与探索,以促进农作物病虫害检测识别技术突破和广泛应用。为了全面认识农作物病虫害防治问题,本文重点分析39 项有关研究工作,这些研究对于深度学习在病虫害检测识别等方面的应用具有重要影响。
本文数据分析包括收集相关研究成果、详细审查与分析两个步骤。基于关键字搜索论文或期刊文章,主要来源于科学数据库CNKI 和ElsevierScienceDirect,以及Web 科学索引的科学服务网和谷歌学术。本文使用关键字“深度学习”“病虫害识别”“农业”进行搜索,过滤掉涉及深度学习但不适用于农业领域病虫害识别的文献。……