基于红外热像的农作物早期病害检测识别技术的研究进展

农作物早期病害检测能实现对现代农业的精细化管理,做到及时发现病害、防治病害,减少经济损失。首先对几种机器视觉技术之间和图像分类技术之间做对比分析,发现红外热成像技术与深度学习结合能高效、快速、无损地对农作物早期病害检测分类;其次介绍了红外热成像技术和深度学习的工作原理及特点,综述了红外热成像技术和深度学习在作物早期病害检测中的国内外研究进展;分析了红外热成像技术在农作物早期病害研究中的检测机理及优势和深度学习在病害图像分类的优势,得出利用深度学习算法可以对病害红外热图进行快速准确的分类并且将算法放置到计算机、手机等移动设备中可以实现实时监测及可视化分析。分析表明将红外热成像技术与深度学习相结合是农作物早期病害检测识别的重要研究方向。

基于红外热成像的早期疾病检测技术的研究进展

通过疾病的早期筛查,制定针对性治疗方案的精准医疗已成为医学发展的重要趋势。医学影像学检测是实现精准医疗的重要基础。疾病初期无明显表征,采用常规检测方法进行诊断具有一定的局限性,但机体会表现出异常的温度分布,红外热成像技术可以灵敏地检测出温度的变化,因此将其应用于早期疾病检测成为国内外的研究热点。本文首先介绍了当前医学影像学检测手段(如X线检查、超声、磁共振成像)的优缺点,重点介绍了红外热成像技术用于疾病检测的原理;然后对红外热成像技术和先进图像识别技术在早期疾病检测识别领域的国内外现状进行阐述,对比分析了红外热成像技术在早期疾病检测中的优缺点,其优点是无损、快速、准确率高,缺点是所需数据量大、图像处理算法性能差。将红外热成像技术与深度学习相结合对早期疾病进行无损检测,将成为今后的主要研究方向。