基于图像处理技术的柑橘病害自动检测与分类

1、论文思路

本文介绍了柑橘叶部病害的详细分类。首先，详细讨论了影响检测和分类精度的每个步骤的挑战。此外，还对自动化疾病检测和分类方法进行了全面的文献综述。为此，研究了不同的图像预处理、分割、特征提取、特征选择和分类方法。此外，还讨论了特征提取和深度学习方法的重要性。该调查提供了对研究的详细讨论，概述了它们的优势和局限性，并揭示了进一步的研究问题。调查结果显示，柑橘类植物病害的自动化检测和分类方法的采用仍处于起步阶段。因此，需要新的工具来完全自动化检测和分类过程。

2、研究介绍

【1】植物病害是直接降低农业生产质量的主要问题之一。植物病害的检测和分类是临时提高植物生产质量以促进经济增长的主要任务(Gutte和Gitte，2016)。
【2】考虑到柑橘病害，柑橘病害的检测有多种技术，如边缘检测、分水岭、聚类、显著性、活动轮廓、阈值等。然而，在所有方法中，检测过程大致保持相同。为此，图像应经过预处理、分割、特征提取和分类四个主要步骤。预处理阶段可在农业科学中用于以下目的(Patil和Kumar，2011；Piyush和Chaudhari，2012):
【3】Prajapati等人(2016)分别讨论了基于阈值、基于边缘、基于区域、小波变换、Gabor滤波和主成分分析等不同的分割和特征提取方法。
【4】Hamuda等人(2016年)介绍了分割和背景去除技术。对于背景去除，他