棉花病虫害智能识别技术研究进展

doi:10.14088/j.cnki.issn0439-8114.2025.10.033

湖北农业科学 ›› 2025, Vol. 64 ›› Issue (10): 213-218.doi: 10.14088/j.cnki.issn0439-8114.2025.10.033

棉花病虫害智能识别技术研究进展

张友昌¹, 张教海¹, 牛林涛², 王孝刚¹

1. 湖北省农业科学院经济作物研究所/农业农村部长江中游棉花生物学与遗传育种重点实验室,武汉 430070;
2.湖北银丰棉花股份有限公司,武汉 430012

收稿日期:2025-06-13 出版日期:2025-10-25 发布日期:2025-11-14
通讯作者: 王孝刚（1974-）,男,湖北荆州人,研究员,硕士,主要从事棉花栽培生理研究工作,（电话）13237189043（电子信箱）285478220@qq.com。
作者简介:张友昌（1984-）,男,湖北武汉人,硕士,主要从事棉花栽培生理研究,（电话）13554075123（电子信箱）337868047@qq.com。
基金资助:
国家重点研发计划项目（2024YFD2300605）; 湖北省农业科技创新中心项目（620-000-001-006）

Research progress on intelligent identification technology for cotton diseases and pests

ZHANG You-chang¹, ZHANG Jiao-hai¹, NIU Lin-tao², WANG Xiao-gang¹

1. Institute of Economic Crops, Hubei Academy of Agricultural Sciences/Key Laboratory of Cotton Biology and Genetic Breeding in the Middle Reaches of the Yangtze River, Ministry of Agriculture and Rural Affairs, Wuhan 430070, China;
2. Hubei Yinfeng Cotton Co.,Ltd., Wuhan 430012, China

Received:2025-06-13 Published:2025-10-25 Online:2025-11-14

摘要/Abstract

摘要： 利用智能识别技术及时、准确诊断棉花病虫害。棉花病虫害的智能识别主要采用知识驱动与专家系统技术、可见光图像（传统机器学习与深度学习）技术、多光谱与高光谱技术及多模态数据融合技术。综述了基于上述技术的棉花病虫害智能识别研究进展及当前研究中存在的问题,并展望了棉花病虫害智能识别技术的发展趋势,以推动识别系统向精准化、实时化发展。

关键词: 棉花, 病虫害, 智能识别技术, 研究进展

Abstract: Intelligent identification technology was used to diagnose cotton diseases and pests timely and accurately. The intelligent identification of cotton diseases and pests primarily employed knowledge-driven and expert system technologies, visible light image (traditional machine learning and deep learning) technologies, multispectral and hyperspectral technologies, and multimodal data fusion technologies. Research progress on the intelligent identification of cotton diseases and pests based on the aforementioned technologies was reviewed, along with existing problems in current research, and the development trend of intelligent identification technology for cotton diseases and pests was prospected, to promote the development of identification systems towards precision and real-time performance.

Key words: cotton, diseases and pests, intelligent identification technology, research progress

中图分类号:

S562

张友昌, 张教海, 牛林涛, 王孝刚. 棉花病虫害智能识别技术研究进展[J]. 湖北农业科学, 2025, 64(10): 213-218.

ZHANG You-chang, ZHANG Jiao-hai, NIU Lin-tao, WANG Xiao-gang. Research progress on intelligent identification technology for cotton diseases and pests[J]. HUBEI AGRICULTURAL SCIENCES, 2025, 64(10): 213-218.

参考文献

[1] 刘海涛,伊丽丽,兰玉彬,等.机器视觉在棉花智能打顶领域的应用研究进展[J].中国农机化学报,2021,42(6):159-165.
[2] 周惠汝,吴波明.深度学习在作物病害图像识别方面应用的研究进展[J].中国农业科技导报,2021,23(5):61-68.
[3] 杜莉. 山东棉花病虫害防治中的信息技术及应用[J].农业工程技术,2025,45(8):58-59.
[4] 李景龙,郑曙峰.长江中下游抗虫杂交棉高产栽培技术体系研究进展[A].中国棉花学会2010年年会论文汇编[C].吉林延吉:中国农学会棉花分会,2010.
[5] 柏立新,马存,郭予元,等.全国棉花病虫害及综合防治研究学术讨论会交流内容摘要[J].植物保护,1993,19(3):34-36.
[6] 陶红卫,孙积贵,康发柱,等.植保新技术开发与应用研究[J].新疆农业科学,2000,37(S1):59-61.
[7] 史冬平. 高新技术在棉花育种上的应用及进展[J].中国农学通报,2009,25(2):77-80.
[8] 杨文翰. 基于数字图像处理的棉花害虫识别体系研究[D].四川雅安:四川农业大学,2015.
[9] 吴茜. 基于图像处理技术的棉花发育期自动观测研究[D].武汉:华中科技大学,2013.
[10] 魏锋,姬继超,刘世超,等.近十年我国棉花重要病虫害研究进展[A].中国农学会棉花分会40年征文暨2019年年会论文汇编[C].北京:中国棉花杂志社,2019.
[11] 汪文忠. 棉花病虫害防治误区与综合防治技术[J].中国棉花加工,2021(5):23-25.
[12] 林诗琪,巴丽合亚·卡里布汗,热阿宛·吾肯.基于图像识别技术的新疆南疆棉铃虫防治系统研究[J].农业灾害研究,2024,14(4):28-30.
[13] 戴小枫,郭予元.我国棉花主要病虫害综合防治技术研究进展[J].植物保护,1996,22(6):32-34.
[14] 戴小枫. 我国棉花主要病虫害综合防治技术研究的发展方向与对策[A].全国农作物病虫害综合防治学术讨论会[C].北京:全国农作物病虫害综合防治学术讨论会论文集,1996.
[15] 戴小枫,郭予元.我国棉花主要病虫害综合防治技术研究进展与展望[A].第三届中国青年农业科学学术年会[C].北京: 第三届中国青年农业科学学术年会论文集,2025.
[16] 张梅申,岳增良.农作物病虫害生物防治技术研究进展[J].河北农业科学,2003,7(S1):64-67.
[17] 丁幼春,王凯阳,刘晓东,等.中小粒径种子播种检测技术研究进展[J].农业工程学报,2021,37(8):30-41.
[18] 棉花重大病虫害综合防治技术研究与示范专题组,王登元.新疆棉区主要病虫害综合防治技术体系[J].新疆农业大学学报,1999,22(4):270-275.
[19] 郑大宽,舒畅,高扣玉,等.棉花病虫害统防统治技术研究及其实践[A].中国农业技术推广协会.棉花重大病虫统一防治的理论与实践[C].北京:中国标准出版社,2004.
[20] HUANG H, DENG J, LAN Y,et al.A two-stage classification approach for the detection of spider mite- infested cotton using UAV multispectral imagery[J].Remote sensing letters, 2018, 9(10-12):933-941.
[21] 地力夏提·依马木,周建平,许燕,等.基于Logistic算法与遥感影像的棉花虫害监测研究[J].华南农业大学学报,2022,43(2):87-95.
[22] ANKATWAR G, DHAWALE C.Multispectral imaging and CNN architectures for cotton leaf disease classification: A comprehensive review[J]. International journal for multidisciplinary research, 2025, 7(3): 47769.
[23] QIAN Q D, YU K, YADAV P K, et al.Cotton crop disease detection on remotely collected aerial images with deep learning[A].Autonomous air and ground sensing systems for agricultural optimization and phenotyping VII[C]. Orlando, USA:SPIE, 2022.
[24] 陈君. 多源图像融合技术在棉花病虫害诊断中的应用[J].湖北农业科学,2013,52(11):2555-2557.
[25] 李茂春,薛英明,芮建文,等.新疆塔里木灌区棉花主要虫害及其防治[J].中国棉花,2024,51(12):49-51.
[26] 姜玉英,陆宴辉,李晶,等.新疆棉花病虫害演变动态及其影响因子分析[J].中国植保导刊,2015,35(11):43-48.
[27] 左娇,郭运玲,孔华,等.转基因棉花环境安全性研究进展[J].热带农业工程,2013,37(2):5-10.
[28] 兰玉彬,邓小玲,曾国亮.无人机农业遥感在农作物病虫草害诊断应用研究进展[J].智慧农业,2019,1(2):1-19.
[29] 陈其煐. 棉花病虫害综合防治及研究进展[M].北京:中国农业科学技术出版社,1990.
[30] 何青海. 基于ARM-Linux的棉花病虫害检测系统研究[D].新疆石河子:石河子大学,2013.
[31] 陈兵,李少昆,王克如,等.作物病虫害遥感监测研究进展[J].棉花学报,2007,19(1):57-63.
[32] 陆宴辉,吴孔明.我国棉花盲蝽生物学特性的研究进展[J].应用昆虫学报,2012,49(3):578-584.
[33] 侯天侦,李保明,滕光辉,等.植物声频控制技术的研究及应用进展[J].中国农业大学学报,2010,15(1):106-110.
[34] 张琳琳,娄高展,郭展宏,等.一种基于注意力机制和迁移学习的轻量级棉花病虫害识别方法[P].中国专利:CN119863702A,2025-04-22.
[35] 冯浩然,陈西曲.基于YOLOv8n的自然环境下棉花病虫害识别算法[J].辽宁开放大学学报(自然科学版),2025(1):20-27.
[36] 刘婷. 棉蚜天敌图像的分类识别研究[D].陕西杨凌:西北农林科技大学,2010.
[37] 张维生,栗梅芳,陈秀双.河北省棉花病虫害综合控制技术研究进展[A].中国农业技术推广协会.棉花重大病虫统一防治的理论与实践[C].北京:中国农业技术推广协会,2004.
[38] 戴小枫,郭予元.我国棉花病虫害综合防治研究进展[J].中国农学通报,1992,8(6):5-9.

棉花病虫害智能识别技术研究进展

Research progress on intelligent identification technology for cotton diseases and pests

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李鹏飞, 曾靖. 基于改进YOLOv8的轻量化水稻病虫害识别模型研究[J]. 湖北农业科学, 2025, 64(8): 10-16.
[2]	赵小平, 董众祥, 冯瑾霞, 闫学龙, 胡晶洁. 基于改进NanoDet-Plus网络的树木小目标病虫害识别[J]. 湖北农业科学, 2025, 64(2): 192-196.
[3]	郭耀东, 孙施蕊, 刘甜钰, 刘思思, 张晓文, 贾国伦, Hassan Idris Abdu. 厚朴酚药理作用研究进展[J]. 湖北农业科学, 2025, 64(10): 140-146.
[4]	李佳骏, 董辉, 余霖, 刘金涛, 李双, 杨毅. 基于CIW-YOLOv8n的棉花叶病害检测与识别方法[J]. 湖北农业科学, 2025, 64(10): 207-212.
[5]	曹钻, 胡艳, 刘雪云. 棉花磷肥施用量与磷素养分平衡的数学模型构建[J]. 湖北农业科学, 2025, 64(1): 39-43.
[6]	杨艳, 蓝一, 刘佳敏, 王茜. 渔业生物环境DNA宏条形码数据库研究进展[J]. 湖北农业科学, 2025, 64(1): 174-180.
[7]	费加杰, 杨毅, 曾晏林, 蔺瑶, 贺壹婷, 黎强, 张圣笛. 融合注意力机制的GAN病虫害图像超分辨率重建[J]. 湖北农业科学, 2024, 63(9): 204-209.
[8]	李泉, 陈仪, 刘莉, 郑威, 王文澳, 董钰洁, 郝汉舟. 茶叶生物转硒研究进展[J]. 湖北农业科学, 2024, 63(7): 21-26.
[9]	黄其椿, 谭颂玥, 汪妮娜, 刘福平, 刘吉敏, 胡承孝, 廖惠红, 黄宏明, 韦持章, 陈东奎, 曾志康. 喷施石硫合剂对促进沃柑果实着色的影响[J]. 湖北农业科学, 2024, 63(4): 73-77.
[10]	张德政, 聂太礼, 杨军, 柯兴盛, 闫得朋, 聂樟清, 钟敏. 棉花黄萎病高效拮抗细菌的筛选及其防治效果[J]. 湖北农业科学, 2024, 63(12): 67-72.
[11]	袁嘉琳, 王玉璟, 王龙, 刘杰. 极端环境固氮微生物研究进展[J]. 湖北农业科学, 2023, 62(3): 213-217.
[12]	汤阳, 秦鹏程, 刘志雄, 刘凯文, 肖玮钰. 基于气候适宜度的湖北省棉花相对气象产量丰歉年型探讨[J]. 湖北农业科学, 2023, 62(3): 230-234.
[13]	闫振华, 赵树琪, 张华崇, 黄晓莉, 戴宝生, 张欣, 李蔚, 童瑞金. 不同施氮量对秸秆还田条件下棉麦轮作生产的影响[J]. 湖北农业科学, 2023, 62(11): 11-15.
[14]	李正, 李宝喜, 李志豪, 战艺芳, 王利华, 龚琦. 基于深度学习的农作物病虫害识别研究进展[J]. 湖北农业科学, 2023, 62(11): 165-169.
[15]	张丽娟, 秦宇坤, 陈俊英, 王玉萍. 高密度配合重化控处理对中早熟直播棉花生长发育和催熟效应的影响[J]. 湖北农业科学, 2022, 61(7): 5-9.