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分类流程,对3种深度学习算法:[深度置信网络(DBN)、基于自编码网络(AE)的栈式自编码网络(SAE)、卷积神经网络(CNN)]在农作物病虫害高光谱图像识别方面的应用进行优缺点对比;对常见深度学习分类指标计算过程和原理进行说明;指出高光谱检测识别农作物病害中面临的问题:异物同谱、数据预处理特征提取过程繁杂、数据量小且训练数据不平衡,并针对这些问题给出未来的研究方向。