于红外热成像和机器学习的作物早期病害识别研究进展

来源：中国农机化学报杂志2023年第5期北京时间：

作者：徐衍向, 张敬智, 兰玉彬, , 孙越梅, 韩鑫, 白京波

单位：1. 山东理工大学农业工程与食品科学学院，山东淄博，255000；2. 山东思远农业开发有限公司，山东淄博，255400;3. 山东省农业航空智能装备工程技术研究中心，山东淄博，255000

摘要：作物的早期病害检测作为针对性的防治手段已经成为智慧农业在病害方面的趋势，实现作物早期病害检测可以做到早发现，早治疗，减少作物农药使用，提高作物品质，减少经济损失。首先介绍作物病害的机制和红外热成像原理，发现红外热成像技术可以进行作物早期病害的检测；其次介绍红外热成像和机器学习的工作原理，综合概述国内外机器学习和红外热成像技术在病害识别领域的研究现状；分析红外热图像的缺点并使用机器学习进行改进，综述机器学习应用于处理红外热图像和红外热成像技术与机器学习相结合应用于作物病害的国内外现状，发现机器学习对红外热图像的缺点有着改进作用，还发现通过两种技术结合使用可以结合两者的优点进行更快更早的作物病害检测；最后通过分析现有研究成果，讨论现存的问题并提出相应的解决方法，对未来的研究趋势进行展望。

关键词：红外热成像技术,机器学习,早期病害,病害检测

基金资助：山东省引进顶尖人才“一事一议”专项（鲁政办字［2018］27号）；淄博市重点研发计划项目（2019ZBXC053）；山东省蔬菜产业技术体系（SDAIT—05）