摘要
在信息技术的蓬勃发展之下，图像处理技术的应用越来越广泛。伴随着山西省晋中市太谷县草莓种植业的迅速发展和草莓种植面积的日益增长，病虫害对草莓生长影响造成草莓产量下降，进而影响了果农的经济收入。通过研究发现，不同种类的病虫害对草莓叶片生长都会造成不同的影响，并且不同的病症都会有不同的特征信息。有效识别病虫害和防治病虫害是保证果农经济收入的重要问题之一。但目前草莓叶片病虫害的鉴定主要依靠观察人员的经验去辨别，不能保证实时准确的判断。 本文就草莓叶部常见的白粉病、灰霉病、红中柱根腐病、鳞翅目虫害展开识别研究，采用图像处理技术对草莓叶片病虫害图像进行预处理：图像灰度化、二值化、图像去噪、图像病斑分割。运用图像病斑分割对草莓叶片病虫害严重程度进行研究。通过支持向量机，将病虫害纹理、颜色、形状 15 个特征信息的草莓叶片自动识别与分类，比较 SVM分类器对不同核函数的识别率，结果表明，RBF函数对草莓叶病的识别率最佳。在复杂背景下的草莓叶片病虫害的识别，由于病斑颜色和形状的各不相同，通过颜色特征与形状特征相融合识别率最高为76%，说明叶片的复杂性对纹理造成了严重干扰。本文利用深度学习AlexNet、VggNet16、ResNet50、DenseNet121和MobileNetV2 对病害进行分类识别研究，实验结果表明，DenseNet121 识别率最高为 92.88%，AlexNet 识别率为87.19%，VggNet识别率为83.99%，ResNet50的识别率为87.69%，MobileNetV2的识别率为 86.21%。实验结果表明：对于本实验复杂背景的草莓叶片病虫害图像，利用DenseNet121卷积神经网络识别效果最好，识别时间最短，效率最高。
NETL