农作物病害图像识别研究进展和存在问题

doi:10.19640/j.cnki.jtau.2023.03.014

天津农学院学报 ›› 2023, Vol. 30 ›› Issue (3): 75-79.doi: 10.19640/j.cnki.jtau.2023.03.014

农作物病害图像识别研究进展和存在问题

苏丹¹, 邓永卓^{2,通信作者}

1.天津农学院计算机与信息工程学院,天津 300392;
2.天津市农业发展服务中心,天津 300061

收稿日期:2021-07-09 出版日期:2023-06-30 发布日期:2023-09-06
通讯作者: 邓永卓（1981—）,男,高级农艺师,学士,主要从事农业信息化和农业技术推广工作。E-mail：dengyongzhuo@qq.com。
作者简介:苏丹（1997—）,女,硕士在读,主要从事农业信息化研究。E-mail：supersdan@163.com。

Research progress and problems in crop disease image recognition

Su Dan¹, Deng Yongzhuo^{2,Corresponding Author}

1. College of Computer and Information Engineering, Tianjin Agricultural University, Tianjin 300392, China;
2. Tianjin Agricultural Development Service Center, Tianjin 300061, China

Received:2021-07-09 Online:2023-06-30 Published:2023-09-06

摘要/Abstract

摘要： 针对卷积神经网络训练过程中耗费时间长以及大量参数设定等问题,提出采用卷积神经网络结合迁移学习实现智能、快速、准确识别农作物病害类型至关重要。本文首先介绍了农作物病害识别的发展进程,然后介绍了农作物病害识别方法的国内外研究进展,同时分析了其在农作物病害识别上存在的优缺点,最后指出了目前农作物病害识别存在的环境、模型结构和硬件条件等问题,并对农作物病害识别未来的研究方向进行了展望。

关键词: 农作物病害识别, 深度学习, 迁移学习, 研究进展

Abstract: Aiming at the problems of time-consuming and low efficiency of traditional identification methods, it is very important to realize intelligent, fast and accurate identification of crop disease types. This paper first introduces the development process of crop disease identification, then introduces the research progress of crop disease identification methods at home and abroad, and analyzes its advantages and disadvantages in crop disease identification. Finally, it points out the problems of current crop disease identification, such as environment, model structure and hardware conditions, so as to provide reference for future study on crop disease identification.

Key words: crop disease identification, deep learning, transfer learning, research progress

中图分类号:

TP31

苏丹, 邓永卓. 农作物病害图像识别研究进展和存在问题[J]. 天津农学院学报, 2023, 30(3): 75-79.

Su Dan, Deng Yongzhuo. Research progress and problems in crop disease image recognition[J]. Journal of Tianjin Agricultural University, 2023, 30(3): 75-79.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://xuebao.tjau.edu.cn/CN/10.19640/j.cnki.jtau.2023.03.014

http://xuebao.tjau.edu.cn/CN/Y2023/V30/I3/75

参考文献

[1] 邵泽中. 基于Android和深度学习的稻田病虫害智能诊断系统的研究与实现[D]. 杭州:浙江理工大学,2020.
[2] 王冠,王建新,孙钰. 面向边缘计算的轻量级植物病害识别模型[J]. 浙江农林大学学报,2020,37(5):978-985.
[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] 左渠,田云臣,马国强. 水产养殖智能投饲系统研究进展和存在问题[J]. 天津农学院学报,2020,27(4):73-77.
[5] 房思思. 基于实例和参数迁移的农作物病害图像识别研究[D]. 合肥:中国科学技术大学,2018.
[6] 何雨,刘星桥,刘超吉,等. 基于改进TLD跟踪算法的生猪视频跟踪[J]. 中国农机化学报,2020,41(7):75-80,86.
[7] 马金林,魏萌,马自萍. 基于深度迁移学习的肺结节分割方法[J]. 计算机应用,2020,40(7):2117-2125.
[8] 王艳菲,朱俊平,蔡骋. 基于CENTRIST的植物叶片识别研究与实现[J]. 计算机工程与设计,2012,33(11):4343-4346,4397.
[9] 赵聪慧,张淑娟. 作物病害的计算机视觉和光谱检测技术研究进展[J]. 农机化研究,2009,31(11):230-234.
[10] 田有文,李天来,李成华,等. 基于支持向量机的葡萄病害图像识别方法[J]. 农业工程学报,2007,23(6):175-180.
[11] 马超,袁涛,姚鑫锋,等. 基于HOG+SVM的田间水稻病害图像识别方法研究[J]. 上海农业学报,2019,35(5):131-136.
[12] SONG K,LIU Z K,SU H,et al.A research of maize disease image recognition of corn based on BP networks[J]. International Conference on Measuring Technology and Mechatronics Automation,2011,3:246-249.
[13] PUJARI J D,BYADGI A S.Automatic fungal disease detection based on wavelet feature extraction and PCA analysis in commercial crops[J]. International Journal of Image,Graphics and Signal Processing,2013,6(1):24-31.
[14] 姜梦洲. 基于深度学习的农业害虫图像智能识别系统的研究与实现[D]. 杭州:浙江理工大学,2019.
[15] 冯晓,李丹丹,王文君,等. 基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别[J]. 河南农业科学,2021,50(4):174-180.
[16] 邱靖,刘继荣,曹志勇,等. 基于卷积神经网络的水稻病害图像识别研究[J]. 云南农业大学学报(自然科学),2019,34(5):884-888.
[17] 张乃夫,谭峰,范禹希,等. 基于卷积神经网络的农作物病害识别方法研究[J]. 安徽农业科学,2020,48(5):242-245.
[18] CHEN J,LIU Q,GAO L.Visual tea leaf disease recognition using a convolutional neural network model[J]. Symmetry,2019,11(3):343.
[19] LIANG W,ZHANG H,ZHANG G,et al.Rice blast disease recognition using a deep convolutional neural network[J]. Scientific Reports,2019,9(1):2869.
[20] 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.
[21] 苏婷婷,牟少敏,董萌萍,等. 深度迁移学习在花生叶部病害图像识别中的应用[J]. 山东农业大学学报(自然科学版),2019,50(5):865-869.
[22] WANG J.CNN transfer learning for automatic image-based classification of crop disease[J]. Image and Graphics Technologies and Applications,2018,11:319-329.
[23] THANGARAJ R,ANANDAMURUGAN S,KALIAPPAN V K.Automated tomato leaf disease classification using transfer learning-based deep convolution neural network[J]. Journal of Plant Diseases and Protection,2021,128(1):73-86.

农作物病害图像识别研究进展和存在问题

Research progress and problems in crop disease image recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价

[1]	石禾云, 张娅, 吴雪娇, 王超, 徐咏全, 张军. 黑茶香气成分研究进展[J]. 天津农学院学报, 2023, 30(5): 74-81.
[2]	王威, 卢树昌. 新建温室土壤培肥技术及应用研究进展[J]. 天津农学院学报, 2023, 30(4): 78-83.
[3]	李夏雯, 卢树昌. 旱直播稻与常规移栽稻栽培技术研究进展比较探讨[J]. 天津农学院学报, 2021, 28(4): 63-70.
[4]	张盛南, 王永颖, 张鑫, 曹学浩, 孙玉霜, 祁欣, 张一为, 王鸿英. 油菜饲料化开发的必要性及利用研究进展[J]. 天津农学院学报, 2021, 28(2): 85-88.
[5]	左渠, 田云臣, 马国强. 水产养殖智能投饲系统研究进展和存在问题[J]. 天津农学院学报, 2020, 27(4): 73-77.
[6]	连增艳, 杨仁杰, 董桂梅, 杨延荣, 吴楠, 杨帆. 二维相关谱技术的研究进展及应用[J]. 天津农学院学报, 2018, 25(4): 77-82.
[7]	刘燕霏, 杨建德. 奶牛乳腺免疫学研究进展[J]. 天津农学院学报, 2017, 24(4): 81-84.
[8]	张文慧, 高金伟, 姜智飞, 范耘硕, 周文礼. 海洋微藻保存方法的研究进展[J]. 天津农学院学报, 2016, 23(4): 55-57.
[9]	刘珊娜, 范志华, 孙溪, 付荣霞, 吴海清. 李斯特菌噬菌体裂解酶的研究进展[J]. 天津农学院学报, 2016, 23(1): 62-65.
[10]	李利山, 王晓敏, 刘燕霏, 杨建德. 细菌间耐药性交换分子的研究进展[J]. 天津农学院学报, 2015, 22(4): 46-49.
[11]	何建丽, 姚凯, 李存, 张伟. 环境友好的样品前处理方法的研究进展[J]. 天津农学院学报, 2015, 22(2): 48-54.
[12]	于亚萍, 赵辉, 杨仁杰, 吴海云, 董桂梅, 刘利华, 张红艳. 伏安型电子舌在食品检测中的研究进展[J]. 天津农学院学报, 2014, 21(2): 45-48.
[13]	秦俊丽, 林岚. 居民游憩行为国内研究进展[J]. 天津农学院学报, 2014, 21(2): 49-54.