李子涵, 周省邦, 赵 戈, 张克智, 曾 倩, 吴梦涛
(南宁师范大学物理与电子学院,广西南宁 530299)
农作物病虫害是农业生产的重要灾害之一,严重影响农业持续稳定发展。中国是一个农业大国,农业收益一直深受病虫害严重影响。据统计,我国每年农作物有害生物发生面积超过4亿hm2[1]。近年来,随着我国植物保护能力的明显提高,通过采取各种病虫害预防与治理手段,我国每年可减少粮食损失8.7×1010~1.1×1011kg,占全国粮食总产量的16.0%~19.5%[2]。识别农作物病虫害的传统方式,需要农业专家现场鉴定农作物具体病症,才能对症下药,这种方法不仅费时费力,而且效率低下。
随着计算机图像识别与处理技术不断创新发展,病虫害智能识别技术进入了农户们的生活,运用机器学习技术识别农作物病虫害已成为可能[3]。由于手机和移动互联网的普及,市场上已经出现一些农业图像识别软件,用户可以将发生病虫害的作物图像上传软件,软件程序对用户上传的照片进行分析,反馈病虫害识别诊断结果,可帮助用户及时采取正确的措施,最大化减少病虫害带来的损失。
为了更进一步探索计算机图像识别技术在农业病虫害方向的研究,本文对此领域的相关技术进行了总结。提出其各项研究技术,分析其技术架构与优劣,并从数据源的选择、数据的预处理、神经网络模型选择与优化几个方面进行对比,提出现阶段存在的问题与挑战,最后提出该领域可开展的相关工作。……