作物病害机器视觉诊断技术研究虽然取得了一定的进展，在克服传统诊断方法的植保专业技术人员不可替代、费时、成本高、受人为因素影响等缺点方面表现出极大的潜在优势。目前作物病害机器视觉诊断技术从研究的深度、应用的范围和实用化角度来看，还存在很多不足，需要进一步深入研究。主要有以下几方面的问题：

2.1  作物病害机器视觉诊断应用空间的拓展

在实验室条件下作物病害机器视觉诊断正确率高，但扩展到大田应用时，难度较大。主要原因是目前的研究很多都是基于人工营造环境下的病害图像诊断，对于大田复杂的背景环境诊断识别研究的比较少。因此，作物病害机器视觉诊断从实验室向大田扩展时需要综合考虑所采用的病害图像识别特征在复杂背景环境条件下的稳定性、可获取性，以便作物病害机器视觉诊断从实验室向大田扩展。

2.2  作物病害机器视觉诊断的时间扩展

对于某一发病时期病害图像建立的作物病害机器视觉诊断系统，用于不同发病时期诊断识别率低。主要原因是不同发病时期，作物病斑的大小、颜色等图像信息不断发生变化，基于瞬态(静态)的病害图像诊断识别系统，很难诊断识别处于动态的病害图像。作物病害机器视觉诊断系统应充分考虑不同发病时期，识别特征的变化规律，探索不同发病时期作物病害机器视觉诊断转移技术。

2.3  多元特征的互补

作物病害机器视觉诊断目前多数都是利用病害图像颜色、纹理、形状等单变量特征参数，可以为少数几种病害的识别提供有效识别参数，而对于作物多数病害的识别就难以为济。前人的研宄多是从图像处理技术的角度来提取病害的特征信息，而在结合植物病理学知识，依据病害类型和病状的类型采用不同图像处理技术方面缺乏考虑。作物病害机器视觉诊断应综合利用颜色、纹理和形态等特征参数结合植物病理学知识进行多变量特征参数互补，建立科学、完整、系统的数据图象特征参数组合模型组成特征矢量，为病害的诊断识别服务。

2.4  高效的图形图像算法的研究

由于生物的多样性、作物生长状况及其生长环境复杂，植物病害图像具有特征多样性、复杂性和模糊性的特点，使得计算机视觉技术在农业领域远复杂于工业领域，目前的一些图形图像算法还不能满足计算机视觉在作物病害诊断中的应用。在以后的研究中，要侧重模糊数学、遗传算法、神经网络、图像分形纹理、组合优化等理论的研究。

更多机器视觉知识请关注北京盈美智科技发展有限公司，详情请登录我们的网站：www.cnimage.com。联系电话:18901085836。