番茄早疫病可见光图像识别模型研究  

Study on visible light image recognition model of tomato leaf early blight

作　　者：赵坚 鲍浩 张艳 Zhao Jian

机构地区：[1]贵阳学院农产品无损检测工程研究中心,贵州贵阳550005

出　　处：《江苏农业科学》2024年第12期209-217,共9页Jiangsu Agricultural Sciences

基　　金：国家自然科学基金(编号:62265003、62141501);贵阳学院硕士研究生科研基金项目(编号:GYU-YJS[2021]-49)。

摘　　要：以番茄为代表的茄科作物在全球经济作物中占据重要地位,番茄在其生长过程中易受多种病害的侵染,其中早疫病是严重危害番茄的一种病害,可造成番茄减产甚至绝收,因此番茄早疫病的防治工作对农业生产具有重要意义。为了能够快速、准确地识别出番茄早疫病,提出一种基于可见光图像结合深度学习技术检测番茄早疫病的方法。通过培养一批番茄植株,对其离体叶片接种茄链格孢菌,使接种样本感染早疫病,然后使用可见光图像采集设备连续采集样本的可见光图像,监测样本的变化,得出番茄叶片感染早疫病后的最早显症时间。通过归一化、背景分割、数据扩增和通道转换等方式进行数据预处理,并提取可见光图像颜色特征的一阶矩、二阶矩、三阶矩,同时结合对比度、差异性、同质性、相关性和角二阶矩等常见纹理特征进行深入分析,利用深度学习技术建立番茄早疫病的识别模型。结果表明,基于可见光图像结合深度学习技术检测番茄早疫病是可行的,建立的番茄早疫病识别模型准确率最高达到91.78%,使用该方法检测番茄早疫病具有检测速度快、识别精度高等优点。利用深度学习技术建立的番茄早疫病可见光图像识别模型可推广用于其他作物病害的检测,为作物病害的无人机遥感监测等应用场景提供技术支持。

关 键 词：番茄叶片 早疫病 颜色特征 纹理特征 深度学习 可见光图像识别模型 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] S126[自动化与计算机技术—计算机科学与技术]