[1]陈寅,刘晓宇,王琳,等.无损检测技术在作物病害检测中的研究综述[J].现代农业研究,2022,(2):39-41.
点击复制

无损检测技术在作物病害检测中的研究综述
分享到：

《现代农业研究》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2022年2期
页码:
39-41
栏目:
土壤与肥料
出版日期:
2022-01-17

文章信息/Info

文章编号:
2096-1073（2022）02-0039-41
作者:
陈寅1; 刘晓宇1; 王琳1; 王柏生2
1.江苏农林职业技术学院信息工程学院； 2.句容市柏生草莓专业合作社
关键词:
作物病害; 无损检测; 快速诊断系统
分类号:
TS207.3
文献标志码:
A
摘要:
作物病虫害是我国主要农业灾害之一，严重影响农作物的生长，降低农作物的质量和产量，甚至严重时导致 作物绝产，给我国农业高质量发展造成了严重的影响。本文综述了机器视觉技术、光谱和多光谱成像技术以及高光谱 成像技术等无损检测技术在作物病害识别与检测中的研究进展，分析了各自技术的特点，并重点介绍了结合深度学习 的高光谱成像技术在作物病害检测中的研究进展，进一步提出存在的不足。

参考文献/References:

[1] 中共中央.国务院关于全面推进乡村振兴加快农业农村现代化的意见.2021 年1 月4 日.
[2] 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（04），669-676.
[3] 谭文学.基于机器学习的作物病害图像处理及病变识别方法研究[D].北京：北京工业大学，2016.
[4] Pydipati R，Barks T F，Lee W S. Identification of citrus diseaseusing color texture features and discriminant analysis[J]. Computers and Electronics in Agriculture，2006，（52）：49-59.
[5] 田有文，张长水，李成华.基于支持向量机和色度矩的植物病害识别研究[J].农业机械学报，2004，35（3）：95-98.
[6] 王美丽，牛晓静，张宏鸣，等. 小麦叶部常见病害特征提取及识别技术研究们. 计算机工程与应用，2014，（7）：154 -157.
[7] Malthus T J，Maderia A C. High resolution spectroradiometry：spectral reflectance of field bean leaves infected by Botrytis fabae [J]. Remote Sensing of Environment，1993，（45）：107-116.
[8] Bravo C，Moshou D，West J，et al. Early Disease Detection in Wheat Fields using Spectral Reflectance. Biosystems Engineering，2003，84（2）：137-145.
[9] 吴迪，冯雷，张传清，等.基于可见/近红外光谱技术的番茄叶片灰霉病检测研究[J].光谱学与光谱分析，2007，（11）：2208-2211.
[10] 张健，崔继承，刘晓梅，等. 基于近红外光谱特征提取的花椰菜灰霉病早期检测[J]. 光学技术，2019，45（05）.
[11] 穆炳宇，张淑娟，李泽珍，等. 基于近红外光谱特征提取的花椰菜灰霉病早期检测[J]. 光谱学与光谱分析，2021，41（08）.
[12] Moshou D，Bravo C，Oberti R，et al.Plant disease detection based on data fusion of hyper- spectral and multi - spectral fluo rescence imaging using Kohonen maps[J].Real - Time Imaging，2005，11（2）：75-83. [12] T.Rumpf，A.K.Mahlein，U.Steiner，et al. Early detection and classification of plant diseases with Support Vector Machines based on hyperspectral reflectance[J].Computers and Electronics in Agriculture，2011，74（1）：91-99.
[13] E.Bauriegel，A.Giebel，M.Geyer，U.Schmidt，et al. Early detection of Fusarium infection in wheat using hyper- spectral imaging[J]. Computers and Electronics in Agriculture，2011，75（2）：304-312.
[14] 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.
[15] 胡耀华，平学文，徐明珠，等.高光谱技术诊断马铃薯叶片晚疫病的研究[J].光谱学与光谱分析，2016，36（2）：515-519.
[16] 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.
[17] 王建涛，吴叶兰，廖禺，等.基于卷积神经网络的柑橘病叶高光谱分类[J]. 信息技术与信息化，2020，（03），84-87.
[18] 桂江生，吴子娴，李凯.基于卷积神经网络模型的大豆花叶病初期高光谱检测[J]. 浙江大学学报，2019，45（2）：256-262.

备注/Memo

备注/Memo:
基金项目：2021 江苏农林职业技术学院科技项目：基于高光谱的绿茶摊青程度智能化判别技术研究（2021kj52）； 2020 江苏农林职业技术学院科技项目：基于人工智能的草莓炭疽病高光谱检测机理和快速诊断系统研究（2020kj035）。
更新日期/Last Update: 2022-01-17