基于无人机图像处理的大豆叶片病害识别准确率研究

谭秦红

(铜仁职业技术学院 信息工程学院，贵州 铜仁 554300)

大豆是我国农业的重要经济作物，叶片病害是大豆减产的主要原因之一，对大豆叶片疾病进行全面和准确的诊断可以明显减少农药使用量，增加大豆产量，提高大豆品质。仅依靠肉眼观察和经验判断病害情况的传统方法效率低下，已经无法满足农业大规模生产的现实需求，不能在发病初期全面且准确地掌握大豆病害的发展情况。小型无人机是近几年发展起来的农情观测新手段，它采集效率高、采集图像连续、定位精确、应用面积大，尤其在大规模生产和生产环境不易于人工进入的农田区域具明显的应用优势。同时，图像识别技术已经在农作物目标的识别中被应用。

叶片病害的识别或对其他目标物的视觉识别可以通过提取特定图像特征或利用数据挖掘技术实现。王献锋等[1]通过提取黄瓜叶片病斑颜色、形状、纹理等特征，结合环境信息利用判别分析法识别病斑类别。ZHANG等[2]在分割玉米叶片斑点之后提取病斑的颜色、形状和纹理特征，通过最邻近(K-nearest neighbors,KNN)算法识别玉米叶片病害。孙华等[3]应用KNN进行叶面积指数反演，通过对比反演结果和多元线性回归模型结果证明该方法的可行性。程克非等[4]、方永美等[5]分别利用J48 决策树算法评估水质分类数据效果，挖掘蔬菜农药残留的检测信息。王守选等[6]对比了J48决策树、朴素贝叶斯分类器、朴素贝叶斯树分类算法的正确率。骆世广等[7]提出解决序列最小优化(Sequential minimal optimization,SMO)在大样本数据时训练速度缓慢的2种策略。……