一种基于病变扩张的新方法,用于评估植物疾病的严重程度

科学领域:

• 植物病理学 植物病理学
• 农业科学 农业科学
• 计算机视觉 计算机视觉

背景情况:

• 植物疾病的严重程度对于监测和表型化病原体-植物相互作用至关重要.
• 传统的严重程度评估可能是不准确的,当损伤面积比率不反映实际的疾病传播.

研究的目的:

• 开发和验证一种基于病变扩张的新型植物疾病严重性评估方法.
• 解决当前方法对疾病的局限性,在这些疾病中,标准分类不足.

主要方法:

• 提出了一种病变扩张技术,结合疾病小麦叶的图像细分.
• 评估了损伤扩张方法和系数确定方法的9种组合.
• 使用的小麦条纹生是由*Puccinia striiformis* f. sp.引起的. *tritici*作为一个模型.

主要成果:

• 严重程度评估的准确性在不同严重程度类别中从78.00%到100.00%不等.
• 基于图像缩放的损伤扩张方法3始终优于其他方法.
• 最佳组合 (方法3+系数确定方法1) 达到96.16%的准确性.

结论:

• 基于病变扩张的方法是准确评估植物疾病严重程度的可行和有效方法.
• 这项研究为自动化和智能化植物疾病严重程度评估提供了一种新策略.
• 该方法为具有非标准损伤面积比率的疾病提供了可行的解决方案.