高光谱图像在农作物病害检测识别中的研究进展

农作物病害无损检测是保证作物产量和质量的关键环节,起到及时发现病害、指导农药的使用、减少经济损失等作用.本文介绍了高光谱成像技术用于农作物病害检测的原理;从支持向量机、偏最小二乘回归、深度学习识别算法方面综述了2017—2021年高光谱成像技术在农作物病害检测中的国内外研究进展;分析了作物病害高光谱图像识别算法的原理和...     

无损检测技术在作物病害检测中的研究综述

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。     

基于卷积神经网络的农作物病害识别研究综述

随着精准农业的发展,对农作物病害进行快速准确地识别是提高农作物产量、推动农业现代化的重要手段。传统的作物病害识别技术存在一定局限性,依赖人工提取特征,图像分割难度较大,特别在复杂环境下的识别效果不佳。而随着深度学习中卷积神经网络(Convolutional Neural Network,下文简称CNN)在图像识别领域上的不俗表现,不少研究人员将CNN应用于农作物的病害识别。研究表明,基于CNN的深度学习方法是目前对农作物病害分类识别最先进、最有效的方法。本文将阐述传统病害识别技术的原理和缺陷,并详细介绍了CNN技术原理及其在农作物病害识别中的应用案例,基于CNN的农作物病害识别在未来发展和应用上提出几点展望。     

高光谱成像技术及其在木材无损检测中的研究进展

开展木材无损检测是提高木材利用率,优化木材资源的重要手段。高光谱成像技术作为一种先进的无损检测技术,能同时获取待测物的光谱与图像信息,具有图谱合一的优点。介绍了高光谱成像技术的原理、装置以及数据处理方法,并首次详细介绍了该技术在木材及木制品的缺陷识别、重要物理力学性质检测以及化学性质预测等方面的研究进展。通过综合分析已有的研究,表明高光谱成像技术在木材及木制品品质无损检测中具有良好的应用前景。     

深度学习在农作物病害识别中的研究进展

农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。     

茄科作物常见病害早期检测技术的研究进展

以番茄、马铃薯、烟草为主的茄科作物在全球经济作物中占据重要地位。然而,茄科作物在生长过程中易受早疫病、晚疫病等多种病害侵染,病害的发病率高且危害范围广,严重制约了其生产发展的稳定性。利用实时、快速、无损的检测技术在茄科作物病害显症之前进行早期诊断,可以显著降低产量损失、提高质量,对科学指导生产具有重要意义。本文首先对茄科作物的常见病害的类型、病原菌、主要危害作物及发病症状进行概述,给出对应的病害典型图片;再简单介绍作物病害的传统检测技术,并与新型检测技术作对比分析,总结优缺点;接着系统阐述如可见光图像识别技术、红外热成像技术及高光谱成像技术等新型检测技术的基本原理与相关研究进展及其应用局限。其中,重点介绍高光谱成像技术用于作物病害检测的原理机制和常规检测流程,综述其应用于茄科作物病害早期检测的国内外研究进展,总结列出了部分茄科作物病害研究的重要检测波段;最后,指出了目前试验方法存在的不足并探讨了未来研究发展的方向。     

基于光谱的作物病虫害监测研究进展

全球粮食生产每年都因病虫害造成巨大损失,而靠田间人工测定、识别病虫害既费时费力又有滞后性,容易错过最佳防治时期。基于光谱的作物病虫害监测则是一种快速、高效的无损监测方法,可为应对作物生产的分散性、地域性、时空变异性等提供有力支撑。概述了基于光谱的农作物病虫害监测原理,并从光谱成像与非成像两方面详细综述了相关技术的研究进展,并介绍了一些应用于病虫害监测的植被指数,对目前该研究领域存在的问题进行了讨论分析,提出了今后发展与应用的建议。     

基于深度学习的植物病虫害智能检测系统研究

由于当今全球气候变化异常,农作物病虫害频发,而且农作物病种类多,成因复杂,其预防和识别难度较大,且传统病虫害识别方法大多靠人目视手查,需要一定的专家经验,具有主观性强、识别准确率低等缺点。而信息技术作为解决农作物病虫害智能、快速识别的新技术、新方法,我们计划利用农业信息大数据智能决策分析系统,建立完善一体化的智能农业信息监测系统等。本文便是基于深度学习将计算机视觉、图像识别等技术运用于农作物病虫害检测中,开发智能病虫害检测系统,以提高病虫害检测准确率,减少病虫害对农业生产的危害。     

高光谱成像在农产品无损检测中的应用

：随着计算机技术和光谱技术的发展,高光谱成像技术逐渐成为农产品检测的重要手段之一。高光 谱成像技术将图像分析和光谱分析有机结合起来,而图像信息可以表现出农产品的外部品质和特征,光谱信 息则可以用来检测农产品的内部品质,农产品的内外部品质信息可以完全反映出来,实现对农产品内外品质 的快速、无损检测。介绍了高光谱成像的基本原理,总结了国内外高光谱成像技术在果蔬、肉类、谷物等农产 品无损检测中的应用。     

深度学习在作物病害图像识别方面应用的研究进展

在作物生产管理过程中,正确及时地诊断作物所患病害非常关键。基于深度学习的图像识别为作物病害自动快速诊断提供了新途径。相比传统图像识别所用的模式识别方法,深度学习网络模型能自行提取特征且能够由低维特征抽象出高维特征,取得更好的学习效果。系统梳理了深度学习在图像自动化识别方面的发展历程,介绍了浅层神经网络的相关概念,阐述了深度学习与之相比具有的优势,并简述了深度学习的重要图像识别算法——卷积神经网络。作物病害图像识别由单作物单病害、单作物多病害和多作物多病害的识别三部分组成,在分析讨论深度学习这三方面的研究现状以及目前该领域面临的困难与挑战的基础上,提出了未来可能突破的难点和研究重点。     

图像分析技术在农作物污染损害鉴定中的应用

农作物损害表症的快速识别对防止农作物受损、提高农作物的产量以及在农业生产中反应指示、预警潜在农作物污染损害行为，减低污染对农作物生长和农产品质量安全的威胁具有重要意义。随着图像处理技术的快速发展，基于图像处理技术的分析方法实现了对农作物损害快速、准确的无损检测与识别，本文对该方法在农作物病害、虫害、草害、污染胁迫、气象灾害和营养缺素6种逆境条件下的研究和应用进行综述，并对农业环境损害鉴定中污染损害识别研究现状进行总结，认为基于图像分析的农作物污染胁迫识别系统的研发在农业环境损害司法鉴定中有很好的应用前景，值得进一步深入探索和研究。     

深度学习在大田种植中的应用及展望

深度学习是目前机器学习领域最前沿和最具前景的技术,本研究采用归纳总结法,介绍了深度学习的特征及与传统机器学习的区别,归纳和梳理了深度学习在大田种植中的应用现状。结果表明:1)深度学习在大田种植中的应用初现端倪,主要集中在作物的识别与分类、农业遥感影像应用、土壤环境监测、农业场景识别等;2)采用的主要模型有卷积神经网络(CNN)、自编码(AE)、深度置信网络(DBN)、堆栈自编码(SAE)、全卷积神经网络(FCN)、深度神经网络(DCNN)等,其对各领域的分类与识别精度均有提高;3)目前存在的主要问题是标注数据缺乏,尤其在遥感图像分类领域,普遍采用了迁移学习、数据增强、微调等技术来解决标注数据缺乏的问题。随着大田种植领域数据的增长以及信息技术的快速发展,基于深度学习和多源异构数据的作物识别与分类、作物长势监测、病虫害预测预警、农作物产量预测、果树花朵及果体识别、水果质量及产量的优化控制等将会获得较快发展。     

种子活力无损检测方法研究进展

种子是农业实际生产中最根本的生产资料，种子活力的高低将直接影响农业生产和发展。种子活力的检测方法可分为无损和有损检测两大类。种子活力无损检测方法具备不损伤种子样本、检测效率高、可在线化检测、实验可重复性好以及实验污染少等优点，有近红外光谱检测技术、高光谱检测技术、电子鼻检测技术、机器视觉检测技术等多种无损检测法。基于国内外种子活力无损检测技术的发展现状，本研究综合评述了种子活力无损检测方法、技术以及检测结果，归纳了不同活力检测的特点、应用现状、研究进展以及在实际应用中优势和缺点，同时对种子活动检测技术发展趋势进行展望。     

高光谱成像技术在水果品质无损检测中的研究进展

优质水果的生产和销售离不开水果品质检测,传统的水果品质检测手段精度低、成本高、时效性差、破坏性强。近年来,随着科学技术的不断进步,低成本、高效率的水果品质无损检测技术得到飞速发展。其中,高光谱成像技术逐渐成为研究热点。综述了该技术在水果品质无损检测方面的技术原理、应用和发展现状,探讨其在水果品质无损检测领域的应用潜力、存在问题、发展趋势以及应用前景。整体来看,高光谱成像技术能够实现不同水果种类、多个水果品质指标的无损、高效检测,如成熟度、糖度、酸度、红色指数等;受硬件技术限制,其发展侧重于数据挖掘方向,即在硬件发展有限的情况下,通过不断更新和优化的针对性算法获得精准的解析结果;另一方面,设备昂贵、数据处理复杂、模型普适性较差是该技术需要进一步优化和改进的主要问题;其未来发展将基于云计算和人工智能的高效数据处理、适用范围更广的水果品质高光谱检测设备研发、多源综合无损检测等研究方向。随着技术的不断发展,高光谱成像技术在水果品质无损检测方面的应用前景广阔,未来将成为水果品质检测的重要手段之一。     

设施蔬菜自动对靶喷药技术研究现状与分析

【目的】回顾与总结国内外设施蔬菜自动对靶喷药技术的研究现状与进展,为该技术在设施蔬菜自动对靶喷药机器人的发展应用上提供理论和科学依据。【方法】采用相关文献资料、实地调研的方法,汇总、整理及分析。【结果】导航技术国外主要采用基于GPS、机器视觉、激光雷达等技术开发的路径识别及智能避障技术,国内主要采用电磁诱导、基于GPS、激光雷达和视觉技术的道路边缘获取与道路识别技术。病虫害检测现阶段国外主要采用图像识别、红外成像和高光谱及基于深度学习的病虫害识别技术,技术较为成熟,国内现阶段主要采用图像识别技术,利用作物颜色、纹理及形状特征进行识别。国外对靶喷药采用机器视觉、激光主动视觉和超声波技术并结合传感器对目标作物进行识别,利用变速喷药技术在生菜、番茄等作物上进行了应用,国内开发了温室自主喷药机器人,采用机器视觉技术获取靶标病虫害位置信息,对喷头进行单独控制,以达到精准对靶施药的效果。【结论】导航技术、病虫害识别技术及对靶喷药技术是自动对靶喷药技术的核心。导航方面在温室中利用机器视觉和激光雷达技术相比GPS技术更加可靠、灵活,精准度更高,高光谱与病虫害识别技术可提高病虫害识别的效率,对靶喷药技术中目标作物的识别与冠层稠密程度的判断是发展趋势。     

Sensing technologies for precision specialty crop production

With the advances in electronic and information technologies, various sensing systems have been developed for specialty crop production around the world. Accurate information concerning the spatial variability within fields is very important for precision farming of specialty crops. However, this variability is affected by a variety of factors, including crop yield, soil properties and nutrients, crop nutrients, crop canopy volume and biomass, water content, and pest conditions (disease, weeds, and insects). These factors can be measured using diverse types of sensors and instruments such as field-based electronic sensors, spectroradiometers, machine vision, airborne multispectral and hyperspectral remote sensing, satellite imagery, thermal imaging, RFID, and machine olfaction system, among others. Sensing techniques for crop biomass detection, weed detection, soil properties and nutrients are most advanced and can provide the data required for site specific management. On the other hand, sensing techniques for diseases detection and characterization, as well as crop water status, are based on more complex interaction between plant and sensor, making them more difficult to implement in the field scale and more complex to interpret. This paper presents a review of these sensing technologies and discusses how they are used for precision agriculture and crop management, especially for specialty crops. Some of the challenges and considerations on the use of these sensors and technologies for specialty crop production are also discussed.     

传感器技术在农产品无损检测中的应用研究

无损检测技术是有别于传统检测手段的一种新兴技术,近年来在工业和农业方面的应用研究得到了广泛的关注。针对传感器技术在农产品无损检测领域的研究,着重论述了视觉、嗅觉、味觉传感器技术以及生物传感器技术等多种无损检测技术在不同农产品检测中的基本原理、应用现状和最新研究进展,并对传感器无损检测技术的发展方向和应用前景进行了探讨。     

农业病虫害监测中高光谱遥感技术应用研究

农作物病虫害监测是有害生物综合防治必不可少的环节之一。本文首先在阐述高光谱遥感监测农作物病虫害原理的基础上,对高光谱遥感技术近年来在农业病虫害防治中的应用进行了归纳总结,按主要大宗作物种类进行分类,体现了高光谱遥感在植保领域中广阔的应用前景。最后,对该技术在农业病虫害领域的应用前景进行了展望。     

中国农作物病虫害防控科技的发展方向

中国是世界上农作物病虫害发生最严重的国家之一,常年发生1700余种。近年来,受全球气候变化、经济一体化和农业产业结构调整等诸多因素的影响,中国农作物病虫害问题趋于严重。化学农药是目前中国防治农作物病虫害的最主要手段,农药的大量使用在控制有害生物的同时,也带来了农药残留超标、环境污染、害虫抗药性与再猖獗等一系列问题。因此,发展绿色防控科技,大幅度降低化学农药的用量是中国植物保护科研工作的核心任务,其重点发展方向包括：产业结构调整、全球经济一体化和气候变化等因素对重大病虫害种群演替规律的影响,基于现代生物技术、信息技术、新材料与先进制造的植保新理论、新方法与新产品,绿色防治关键技术与产品,化学农药精准施药和残留检测追溯技术,智能化植物保护装备,以及区域性病虫害绿色可持续控制模式等。