智慧農(nóng)業(yè)的發(fā)展承載了農(nóng)業(yè)發(fā)展的未來，在國家層面上，宏觀與微觀角度都是勢在必行的。單獨(dú)從發(fā)展智慧農(nóng)業(yè)所需的科研技術(shù)角度來說，涉及定位導(dǎo)航、智能感知、自動(dòng)化控制、物聯(lián)網(wǎng)、深度學(xué)習(xí)等技術(shù)，互相融合，方能共同推進(jìn)農(nóng)業(yè)向數(shù)字化、智能化方向前進(jìn)。

近年來，基于深度學(xué)習(xí)技術(shù)在農(nóng)業(yè)方面的應(yīng)用，無數(shù)科研者開展了大量的植物病害目標(biāo)檢測與分類識(shí)別研究，目標(biāo)是推動(dòng)了檢測與識(shí)別準(zhǔn)確度的提高。遺憾的是在實(shí)際應(yīng)用場景中，仍然面臨著諸多挑戰(zhàn)與問題。

問題一、目標(biāo)區(qū)域準(zhǔn)確定位難

種植環(huán)境中的日光照射、背光，一日之內(nèi)變化劇烈、不同背景下的反光、不同氣象條件等影響因素，造成植物病斑目標(biāo)區(qū)域難以準(zhǔn)確定位。自然光照條件下，拍攝的角度、高度或者地點(diǎn)可能會(huì)導(dǎo)致部分圖片中病斑位置的顏色深淺不一，使得病斑特征不明顯，從而影響分類識(shí)別準(zhǔn)確度。

問題二、準(zhǔn)確檢測難度大

獲取病害圖像背景多樣，有可能會(huì)包括葉片、樹干、莖稈、根部、土壤、雜草、秸稈、地膜、落葉、石頭、積水、陰影等，導(dǎo)致對于病斑的目標(biāo)檢測難度較大。且植物病斑顏色形狀等有可能與其他對象相似，造成目標(biāo)檢測的準(zhǔn)確率降低。

問題三、目標(biāo)特征缺失、噪聲重疊

遮擋問題指的是在復(fù)雜自然環(huán)境下，由葉片姿態(tài)變化引起的葉片遮擋、分支遮擋、外部光照引起的光遮擋，以及不同遮擋類型引起的混合遮擋，難點(diǎn)在于特征缺失和遮擋引起的噪聲重疊。不同的遮擋條件對識(shí)別算法有不同程度的影響，導(dǎo)致誤檢甚至漏檢。

問題四、錯(cuò)判或者誤判

癥狀是判斷病害種類的主要依據(jù)之一，若不同種類病害的發(fā)病癥狀極為相似，通過二維圖像無法準(zhǔn)確地辨識(shí)，需要獲取更多維度信息如深度信息、光譜信息、紅外信息、熒光信息等，才能準(zhǔn)確判斷出植物病害類別。

問題五、病害識(shí)別難度大

病原菌可以在植物不同時(shí)期進(jìn)行侵染，發(fā)病時(shí)又會(huì)因植物的品種、生育期和器官表現(xiàn)出不同的癥狀，同一種病害在不同的危害時(shí)期或不同侵染程度下表現(xiàn)出不同癥狀。同一種病害危害植物的不同組織或植物器官癥狀會(huì)有差異，如嫩芽、子葉、真葉、果實(shí)、莖稈、根部等呈現(xiàn)出來的癥狀各有不同。同一種病害在同種植物器官上也會(huì)呈現(xiàn)不同的癥狀類型，比如棉花黃萎病常見的癥狀有黃斑型、葉枯型、萎蔫型、落葉型等，都有極大的挑戰(zhàn)性。

問題六、植物病害的檢測和識(shí)別準(zhǔn)確率低

目前提到的病害檢測和識(shí)別，基于每片葉子上均是一種病害或，一種病害特征最為明顯的情況而研究的。但在自然條件下，常見多種病害同時(shí)存在于單片葉子的情況，還存在病害與蟲害相互重疊現(xiàn)象，使植物病害檢測和識(shí)別成為一項(xiàng)復(fù)雜的工作。

深度學(xué)習(xí)作為新一代人工智能技術(shù)，是大數(shù)據(jù)時(shí)代的算法利器，對智慧農(nóng)業(yè)的發(fā)展不可替代。未來仍需科研工作者投入大量精力，來一一克服上述難點(diǎn)，進(jìn)一步提高病害識(shí)別和檢測結(jié)果的實(shí)用性，讓多種病害同時(shí)檢測和識(shí)別成為可能。