作物病害機器視覺診斷技術研究雖然取得了一定的進展，在克服傳統診斷方法的植保專業技術人員不可替代、費時、成本高、受人為因素影響等缺點方面表現出極大的潛在優勢。目前作物病害機器視覺診斷技術從研究的深度、應用的范圍和實用化角度來看，還存在很多不足，需要進一步深入研究。主要有以下幾方面的問題：

2.1  作物病害機器視覺診斷應用空間的拓展

在實驗室條件下作物病害機器視覺診斷正確率高，但擴展到大田應用時，難度較大。主要原因是目前的研究很多都是基于人工營造環境下的病害圖像診斷，對于大田復雜的背景環境診斷識別研究的比較少。因此，作物病害機器視覺診斷從實驗室向大田擴展時需要綜合考慮所采用的病害圖像識別特征在復雜背景環境條件下的穩定性、可獲取性，以便作物病害機器視覺診斷從實驗室向大田擴展。

2.2  作物病害機器視覺診斷的時間擴展

對于某一發病時期病害圖像建立的作物病害機器視覺診斷系統，用于不同發病時期診斷識別率低。主要原因是不同發病時期，作物病斑的大小、顏色等圖像信息不斷發生變化，基于瞬態(靜態)的病害圖像診斷識別系統，很難診斷識別處于動態的病害圖像。作物病害機器視覺診斷系統應充分考慮不同發病時期，識別特征的變化規律，探索不同發病時期作物病害機器視覺診斷轉移技術。

2.3  多元特征的互補

作物病害機器視覺診斷目前多數都是利用病害圖像顏色、紋理、形狀等單變量特征參數，可以為少數幾種病害的識別提供有效識別參數，而對于作物多數病害的識別就難以為濟。前人的研宄多是從圖像處理技術的角度來提取病害的特征信息，而在結合植物病理學知識，依據病害類型和病狀的類型采用不同圖像處理技術方面缺乏考慮。作物病害機器視覺診斷應綜合利用顏色、紋理和形態等特征參數結合植物病理學知識進行多變量特征參數互補，建立科學、完整、系統的數據圖象特征參數組合模型組成特征矢量，為病害的診斷識別服務。

2.4  高效的圖形圖像算法的研究

由于生物的多樣性、作物生長狀況及其生長環境復雜，植物病害圖像具有特征多樣性、復雜性和模糊性的特點，使得計算機視覺技術在農業領域遠復雜于工業領域，目前的一些圖形圖像算法還不能滿足計算機視覺在作物病害診斷中的應用。在以后的研究中，要側重模糊數學、遺傳算法、神經網絡、圖像分形紋理、組合優化等理論的研究。

更多機器視覺知識請關注北京盈美智科技發展有限公司，詳情請登錄我們的網站：www.cnimage.com。聯系電話:18901085836。