基于图像处理作物营养诊断研究进展.docVIP

基于图像处理作物营养诊断研究进展 　　摘 要 近年来，随着农业化肥滥用问题的日益突出，图像处理技术在作物营养诊断上的应用研究越来越多。通过对作物营养诊断研究背景的阐述，指出图像处理技术在作物营养诊断上应用的重要意义，介绍作物图像营养诊断研究的总体情况和基本思路，论述作物图像采集、图像预处理、特征提取与优化、分类识别4个环节所用技术方法以及取得的成果，并分析作物图像营养诊断方面存在的问题。 　　关键词 作物营养诊断 ；图像处理 ；特征提取 ；分类识别 　　中图分类号 S126 文献标识码 A Doi：10.12008/j.issn.1009-2196.2016.09.021 　　Abstract In recent years overuse of chemical fertilizer has become an increasingly prominent issue， and crop nutrition diagnosis based on image processing technology has been developed to solve this issue. The paper describes the research background of crop nutrition diagnosis， points out the significance of application of crop nutrient diagnosis based on image processing technology， and summarizes the overall situation and the basic ideas of crop image nutrition diagnosis. It also describes the technical methods and results of crop image acquisition， image preprocessing， feature extraction and optimization， classification and identification. The problems arising from the diagnosis of crop nutrition based on image processing are discussed， based on which the main directions of future research are proposed. 　　Keywords crop nutrition diagnosis ； image processing； feature extraction ； classification and identification 　　随着科学技术的快速发展，当前农业生产的目标和对农产品质量的要求也越来越高。农业生产中盲目使用化肥是造成耕地质量和农产品质量下降的重要原因之一。因此，开展作物营养诊断对合理施肥改良耕地、提升农产品质量等方面都有重要意义。近年来，作为一种无损害的作物营养诊断新手段，图像处理及模式识别等技术在设施农业、农业物联网、作物营养诊断、作物病虫害诊断、农产品检测等方面的应用研究都取得一定进展，引起越来越多学者的关注。作物营养诊断是作物科学施肥的重要环节，利用图像识别进行营养预测或诊断是无损伤检测的重要方法之一。利用图像营养诊断技术指导生产施肥追肥，不仅有利于提高设施农业的智能化水平，也有利于产品质量的提高。对于知识水平有限的种植户，通过移动智能终端采集图像，并上传到相关作物营养诊断系统进行诊断，是一种便利的作物营养诊断模式，对以小规模经营为主的农业生产具有很好的应用前景。 　　目前，作物图像营养诊断主要集中在水稻[1-18]、小麦[19-31]、玉米[32-41]、棉花[42-49]、蔬菜瓜果[50-65]等作物。在氮磷钾肥含量方面的诊断，也有少量乔木[66-69]叶片营养预测研究。本文主要从作物图像采集与预处理、特征提取与优化、分类识别等环节所用主要技术方法和研究成果进行分类介绍，基本涵盖了国内外图像处理技术应用在作物营养诊断领域的最新理论、手段和研究方法，避免重复研究，有助于后续学者快速寻找切入点和突破点，提高科学研究的意义和价值。 　　1 基于图像处理的作物营养诊断研究的基本思路 　　目前，国内外很多学者利用相关技术理论进行作物图像营养诊断研究，根本目的是通过预测或估算作物氮磷钾养分含量指导作物施肥追肥[24-27，35，61，63-65]。因研究对象和目的差异，所用方法有所不同，但基于图像处理的作物营养诊断研究的基