基于VLDI平台的水稻纹枯病图像数据共享系统的实现.PDF

2017.3 专题论述 基于VLDI平台的水稻纹枯病 图像数据共享系统的实现 1 1 2 3 孔令军 杜 永 王江宁 王大伟 （1.江苏省连云港市植物保护植物检疫站 连云港 222000 ；2. 中国科学院动物研究所 北京100101； 3.江苏省连云港市东海县植保站 连云港222000） 摘要： 是一个集收集、共享与一体的针对图像处理技术的昆虫学图像数据平台。 本文作者基 VLDI 于现有的VLDI 数据共享平台，针对水稻纹枯病的特点、需求以及现有的水稻纹枯病图像研究，设 计了相关的标签方案，实现了针对图像处理技术的水稻纹枯病图像数据库系统。 这项工作不但为 水稻纹枯病图像技术研究及实际应用起到推动作用，还扩展了VLDI 系统的数据整合范围，使其可 以为更多的学科提供数据服务。 关键词：水稻纹枯病 图像数据库本体数据库设计 ; ; ; 达到 [2] 1 背景 95% ；石凤梅等 用颜色特征和支持向量机实现 水稻是我国最重要的粮食作物之一。 目前，我国 了水稻稻瘟病彩色图像的分割；路阳等[3]使用一些基 水稻病害防治一直坚持“综合治理（IPM ）”的植保方 本图像处理方法探讨了水稻病虫害图像预处理的基 针，以监测预报为基础，综合应用农业、生物、物理和 本算法；管泽鑫等[4]利用图像处理技术和贝叶斯判别 法对 [5] 化学防治等技术措施，有效控制病害危害。 准确及时 3 种病害识别，识别率可达97.2% ；刘婷 使用支 监测水稻田间病害信息（发生种类、发生时间和发生 持向量机和前馈人工神经网络对水稻纹枯病的病斑 数量）是水稻病害实施IPM 的前提，是病害准确预测 进行图像识别， 识别率分别达到95.00%和91.88% ； 预报的关键，是实施精准农业的必要条件。 目前，我 马德贵等[6] 研究了一种利用椭圆模型来检测水稻稻 国水稻纹枯病的预测预报， 主要是由农技人员通过 瘟病及水稻纹枯病的危害程度的方法， 平均正确率 抽样调查和目测。 实际上，抽样调查和目测估计往往 在90% 以上； 遥感图像也是一种大范围检测水稻纹 不能给出纹枯病发病的位置、 面积和等级的精确数 枯病的手段[7] 。 值，而且抽样调查需要花费大量的人力和时间， 目测 相比于小麦、玉米等农作物，图像技术在水稻病 估计则会引起较大的误差， 从而造成水稻纹枯病预 害中的应用相对较少， 但是图像技术在水稻病害中 测预报和防治指导的准确度不高。 另外， 目前基层植 的应用已经得到了有关研究人员的重视。 然而基于 保体系不够健全、力量薄弱、手段落后、技术能力差、 图像的方法是需要有大量的图像作为研究对象的， 调查任务重， 效率低下的目测估算法已满足不了现 图像在拍摄规范、 共享途径上的不确定性使得研究 代农业的发展需求。 成果的推广性存在质疑。 在这样的情况下，使用科学 一些研究人员已经在尝试利用图像技术解决水 的方法建立规范的水稻纹枯病图像数据库， 对于基 稻病害预测预报相关问题。 袁媛等[1]使用基本的图像 于图像方法的水稻纹枯病诊断、