可見光光譜和機器學習的溫室黃瓜霜霉病嚴重度定量估算

張領先，田 瀟，李云霞，陳運強，陳英義，馬浚誠

1. 中國農業大學信息與電氣工程學院，北京 100083 2. 中國農業科學院農業環境與可持續發展研究所，北京 100081

引 言

溫室黃瓜在種植過程中由于各種原因導致病害發生，造成產量降低和品質下降[1-2]。霜霉病是溫室黃瓜常見病害之一[3]。目前，隨著計算機視覺和機器學習技術在作物病害診斷領域的應用，對于黃瓜霜霉病的準確識別已經取得了豐富的研究成果。彭占武[4]、馬浚誠[5]、Wei[6]、和Zhang[7]等分別利用模糊聚類、支持向量機、BP神經網絡和卷積神經網絡等機器學習方法對黃瓜霜霉病進行識別診斷，取得了良好的效果。但是，這些研究大部分是對溫室黃瓜霜霉病的定性識別。

病害程度的不同，其用藥劑量也不一樣。所以，準確掌握病害嚴重度，能夠指導農民科學合理用藥，減少農藥殘留，提高蔬菜品質。葉海建等[8]構建了基于Android的自然背景下黃瓜霜霉病定量診斷系統，采用超G法和GrabCut進行背景減除，利用生成顯著圖的方法進行病害區域的識別，最后計算病害區域占整個葉片面積的百分比，得出相應的病害等級。在進行病害等級估算的過程中需要進行病斑的分割，由于受到圖像中背景和光照的影響，病斑分割的準確率難以得到保證。Wang等[9]采用5種不同的卷積神經網絡結構對植物病害嚴重度進行估算，準確率能夠達到79.3%。除此之外，該研究利用遷移學習對已有網絡模型(包括VGG，inception-v3和ResNet50)進行微調，進一步將準確率提升到90.4%。雖然取得了相對較高的準確率，但是該方法在對病害嚴重度進行估算時使用的是分類思想，將病害嚴重度劃分為4類標簽，并沒有對病害嚴重度有一個定量的診斷；……