|本期目录/Table of Contents|

[1]康飞龙,李佳,刘涛,等.多类农作物病虫害的图像识别应用技术研究综述[J].江苏农业科学,2020,48(22):22-27.
　Kang Feilong,et al.Application technology of image recognition for various crop diseases and insect pests: a review[J].Jiangsu Agricultural Sciences,2020,48(22):22-27.
点击复制

多类农作物病虫害的图像识别应用技术研究综述(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第22期
页码:
22-27
栏目:
专论与综述
出版日期:
2020-11-20

文章信息/Info

Title:
Application technology of image recognition for various crop diseases and insect pests: a review
作者:
康飞龙1;  李佳1; 2;  刘涛1;  佟鑫1;  于文波1
1.内蒙古农业大学，内蒙古呼和浩特 010018； 2.内蒙古自治区农牧业大数据研究与应用重点实验室，内蒙古呼和浩特 010018
Author(s):
Kang Feilong; et al
关键词:
农作物病虫害; 农业智能化; 图像识别; 深度学习; 生成对抗网络
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
利用深度学习等图像处理技术对农作物进行病虫害图像识别的技术研究，是未来农业智能化发展的必然趋势。本研究概述国内外不同种类的农作物病虫害的图像识别应用技术的研究现状，对经典的图像处理、机器学习、深度学习等方法中存在的优缺点进行深入分析，提出采用生成对抗网络(generative adversarial networks，简称GAN)技术来扩充农作物病虫害数据库，并采用基于移动端APP的深度学习识别模型等技术作为未来农作物病虫害识别技术研究的方向与目标，为农业生产提供病虫害决策支持服务，及时准确诊断农作物病虫害情况。根据不同的病情给出用药指导及早治疗，可以有效遏制病虫害的蔓延，降低对作物产量的影响；通过减少用药量达到治疗目的，有利于农业生产提质增效、保障食品安全、维护人类健康。
Abstract:
-

参考文献/References:

［1］冯占山，高世杰. 农业可持续发展与农作物病害的持续控制［J］. 现代化农业，2013(3)：5-6.
［2］姜玉英，刘万才，黄冲，等. 2019全国农作物重大病虫害发生趋势预报［J］. 中国植保导刊，2019，39(2)：36-39.
［3］王彦翔，张艳，杨成娅，等. 基于深度学习的农作物病害图像识别技术进展［J］. 浙江农业学报，2019，31(4)：669-676.
［4］Raza S E A，Gillian P，Clarkson J P，et al. Automatic detection of diseased tomato plants using thermal and stereo visible light images［J］. PLoS One，2015，10(4)：e0123262.
［5］Zhao Y R，Li X L，Yu K Q，et al. Hyperspectral imaging for determining pigment contents in cucumber leaves in response to angular leaf spot disease［J］. Scientific Reports，2016，6：27790.
［6］Piyush P，Yufeng G，Vincent S，et al. High throughput in vivo analysis of plant leaf chemical properties using hyperspectral imaging［J］. Frontiers in Plant Science，2017，8：1348.
［7］Zhu H Y，Chu B Q，Zhang C，et al. Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers［J］. Scientific Reports，2017，7(1)：4125.
［8］余秀丽，徐超，王丹丹，等. 基于SVM的小麦叶部病害识别方法研究［J］. 农机化研究，2014，36(11)：151-155，159.
［9］牛冲，牛昱光，李寒，等. 基于图像灰度直方图特征的草莓病虫害识别［J］. 江苏农业科学，2017，45(4)：169-172.
［10］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(增刊)：313-317.
［11］Liu W，Anguelov D，Erhan D，et al. SSD：single shot multiBox detector［M］// Leibe B，Matas J，Sebe N，et al. Computer Vision-ECCV 2016. Cham：Springer，2016：21-37.
［12］Huang G，Liu Z，Van Der Maaten，et al. Densely connected convolutional networks［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)，2017：2261-2269.
［13］张善文，谢泽奇，张晴晴. 卷积神经网络在黄瓜叶部病害识别中的应用［J］. 江苏农业学报，2018，34(1)：56-61.
［14］Amara J，Bouaziz B，Algergawy A. A deep learning-based approach for banana leaf diseases classification［C］//Datenbanksysteme für Business，Technologie und Web (BTW 2017)，17. Fachtagung des GI-Fachbereichs，Datenbanken und Informationssysteme (DBIS)，Stuttgart，Germany，Workshopband， 2017.
［15］孙俊，谭文军，毛罕平，等. 基于改进卷积神经网络的多种植物叶片病害识别［J］. 农业工程学报，2017，33(19)：209-215.
［16］Mohanty S P，Hughes D P，Salathé Marcel. Using deep learning for image-based plant disease detection［J］. Frontiers in Plant Science，2016，7：1419.
［17］Ramcharan A，Baranowski K，McCloskey P，et al. Deep learning for image-based cassava disease detection［J］. Frontiers in Plant Science，2017，8：1852.
［18］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.
［19］Sladojevic S，Arsenovic M，Anderla A，et al. Deep neural networks based recognition of plant diseases by leaf image classification［J］. Computational Intelligence and Neuroscience，2016，2016：3289801.
［20］Brahimi M，Kamel B，Moussaoui A. Deep learning for tomato diseases：classification and symptoms visualization［J］. Applied Artificial Intelligence，2017，31(4)：299-315.
［21］刘阗宇，冯全，杨森. 基于卷积神经网络的葡萄叶片病害检测方法［J］. 东北农业大学学报，2018，49(3)：73-83.
［22］廖经纬，蔡英，王语晨，等. 基于卷积神经网络的植物病害识别技术［J］. 现代计算机(专业版)，2018(19)：43-48，53.
［23］张敏，刘杰，蔡高勇. 基于卷积神经网络的柑橘溃疡病识别方法［J］. 计算机应用，2018，38(增刊1)：48-52，76.
［24］张航，程清，武英洁，等. 一种基于卷积神经网络的小麦病害识别方法［J］. 山东农业科学，2018，50(3)：137-141.
［25］刘瑾蓉，林剑辉，李婷婷. 基于卷积神经网络的银杏叶片患病程度识别［J］. 中国农业科技导报，2018，20(6)：55-61.
［26］李敬. 基于卷积神经网络的烟草病害自动识别研究［D］. 泰安：山东农业大学，2016.
［27］赵建敏，李艳，李琦，等. 基于卷积神经网络的马铃薯叶片病害识别系统［J］. 江苏农业科学，2018，46(24)：251-255.
［28］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.
［29］龙满生，欧阳春娟，刘欢，等. 基于卷积神经网络与迁移学习的油茶病害图像识别［J］. 农业工程学报，2018，34(18)：194-201.
［30］杨晋丹，杨涛，苗腾，等. 基于卷积神经网络的草莓叶部白粉病病害识别［J］. 江苏农业学报，2018，34(3)：527-532.
［31］张建华，孔繁涛，吴建寨，等. 基于改进VGG卷积神经网络的棉花病害识别模型［J］. 中国农业大学学报，2018，23(11)：161-171.
［32］蔡汉明，随玉腾，张镇，等. 基于深度可分离卷积神经网络的农作物病害识别方法［J］. 安徽农业科学，2019，47(11)：244-246，252.
［33］王振，张善文，王献锋. 基于改进全卷积神经网络的黄瓜叶部病斑分割方法［J］. 江苏农业学报，2019，35(5)：1054-1060.
［34］He K M，Zhang X Y，Ren S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence，2014，37(9)：1904-1916.
［35］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence，2015，39(6)：1109-1122.
［36］Dai J F，Li Y，He K M，et al. R-FCN：object detection via region-based fully convolutional networks［R］. arXiv：Computer Vision and Pattern Recognition，2016.
［37］Brock A，Donahue J，Simonyan K，et al. Large scale GAN training for high fidelity natural image synthesis［R］. arXiv：Learning，2018.
［38］Radford A，Metz L，Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks［EB/OL］. ［2020-01-03］.http://arxiv.org/abs/1511.06434.

相似文献/References:

[1]徐欣,刘宝锺.基于改进Prewitt算子的农业图像去噪算法[J].江苏农业科学,2016,44(01):406.
　Xu Xin,etal.Agricultural image denoising algorithm based on improved Prewitt operator[J].Jiangsu Agricultural Sciences,2016,44(22):406.
[2]陈光绒,李小琴.基于物联网技术的农作物病虫害自动测报系统[J].江苏农业科学,2015,43(04):406.
　Chen Guangrong,et al.Automatic measuring and reporting system for crop diseases and insect pests based on internet of things[J].Jiangsu Agricultural Sciences,2015,43(22):406.
[3]郑颖,金松林,张自阳,等.基于领域本体的农作物病虫害问题分类研究[J].江苏农业科学,2016,44(09):145.
　Zheng Ying,et al.Study on crop diseases and insect pests question classification based on domain ontology[J].Jiangsu Agricultural Sciences,2016,44(22):145.
[4]曹卫锋,袁万宾,刁智华,等.基于图像的小麦白粉病病斑形状演变规律[J].江苏农业科学,2019,47(18):132.
　Cao Weifeng,et al.Study on evolution trend of wheat powdery mildew spot shape based on image[J].Jiangsu Agricultural Sciences,2019,47(22):132.
[5]黎振,陆玲,熊方康.基于k-means分割和迁移学习的番茄病理识别[J].江苏农业科学,2021,49(12):156.
　Li Zhen,et al.Tomato pathological recognition based on k-means segmentation and transfer learning[J].Jiangsu Agricultural Sciences,2021,49(22):156.
[6]徐重新,张江兆,胡晓丹,等.农药联合复配在农作物病虫害防治上的研究进展[J].江苏农业科学,2023,51(4):8.
　Xu Chongxin,et al.Research progress of pesticide combination in crop diseases and insect pests control[J].Jiangsu Agricultural Sciences,2023,51(22):8.
[7]李子涵,周省邦,赵戈,等.基于卷积神经网络的农业病虫害识别研究综述[J].江苏农业科学,2023,51(7):15.
　Li Zihan,et al.Study on agricultural pest identification based on convolutional neural network： a review[J].Jiangsu Agricultural Sciences,2023,51(22):15.

备注/Memo

备注/Memo:
收稿日期：2020-02-18
基金项目：内蒙古农业大学高层次人才科研启动金(编号：NDYB2018-38)；内蒙古自然科学基金(编号：2017MS0514)；2019年度自治区高等学校科研项目(编号：NJZY19050)。
作者简介：康飞龙(1986—)，男，内蒙古呼和浩特人，博士，高级工程师，讲师，研究方向为农业智能化。E-mail：kfl@imau.edu.cn。
通信作者：李佳，博士，高级工程师，讲师，研究方向为农业大数据技术。E-mail：273041390@qq.com。
更新日期/Last Update: 2020-11-20