光谱成像技术在作物病害检测中的应用进展与趋势

发布时间：2022-01-19 18:55

　　病害作为影响农作物生长的主要因素之一,平均每年造成农作物产量损失高达12%以上。病害不仅直接导致农作物产量减少,而且也严重降低了农产品的品质,甚至引发食品安全事故。光谱成像作为一种融合图像处理和光谱学的信息获取技术,能同时获取目标的图像信息和光谱信息,从而更直观表达目标的特征。光谱成像技术可以获得图像上每个点的光谱数据,从而实现对作物病害的颜色、形状和纹理特征及光谱特征的分析,具有快速、直观和无损等特点,近些年在作物病害检测领域的应用取得了较大研究进展。综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献,分析了光谱成像技术的优势和局限性,重点阐述了光谱成像作物病害检测中关键的第三个技术:（1）光谱图像分割技术,重点分析了四种常见分割算法的优点和适用范围;（2）光谱特征和空间特征提取技术,重点对比了空间特征、光谱特征和二者加权组合对病害信息表达的准确性;（3）检测模型,重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。最后,根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势,为相关研究提供全面且系统的参考。 

【文章来源】：光谱学与光谱分析. 2020,40(02)北大核心EISCICSCD

【文章页数】：6 页

【文章目录】：
引 言
1 作物病害光谱成像检测技术概述
    1.1 技术特点
        (1) 无损性。
        (2) 直观性。
        (3) 实时性。
        (4) 准确性。
    1.2 技术局限性
        (1) 复杂背景。
        (2) 光照条件。
        (3) 拍摄角度。
2 作物病害光谱成像检测关键技术
    2.1 光谱图像分割
    2.2 特征信息提取
    2.3 作物病害识别
3 作物病害光谱成像检测技术研究发展趋势


【参考文献】：
期刊论文
[1]基于高光谱技术的病害早期胁迫下黄瓜叶片中过氧化物酶活性的研究[J]. 程帆,赵艳茹,余克强,楼兵干,何勇.  光谱学与光谱分析. 2017(06)
[2]基于高光谱的砀山酥梨炭疽病害等级分类研究[J]. 温淑娴,李绍稳,金秀,赵刘,江寒.  计算机科学. 2017(S1)
[3]农业主要病害检测与预警技术研究进展分析[J]. 王翔宇,温皓杰,李鑫星,傅泽田,吕雄杰,张领先.  农业机械学报. 2016(09)
[4]温室幼苗图像的多算法融合区域生长分割算法研究[J]. 卢夏衍,李昕,冉鹏,柴宇燊,周强.  中国农机化学报. 2016(06)
[5]基于高光谱成像的水稻穗瘟病害程度分级方法[J]. 黄双萍,齐龙,马旭,薛昆南,汪文娟.  农业工程学报. 2015(01)
[6]基于分块阈值和边缘检测的叶片分割算法[J]. 赵斌,周厚奎,冯海林.  农机化研究. 2014(06)
[7]改进Hough变换的农作物病斑目标检测方法[J]. 吴露露,马旭,齐龙,谭永炘,邝健霞,梁仲维.  农业工程学报. 2014(10)
[8]基于高光谱成像技术的水稻叶瘟病病害程度分级方法[J]. 郑志雄,齐龙,马旭,朱小源,汪文娟.  农业工程学报. 2013(19)
[9]基于自适应双阈值的蔬菜病害知识视频分割方法[J]. 傅泽田,苏叶,张领先,李鑫星.  农业工程学报. 2013(09)
[10]基于病斑形状和神经网络的黄瓜病害识别[J]. 贾建楠,吉海彦.  农业工程学报. 2013(S1)



本文编号：3597383