农业机械学报

作者：余小东，杨孟辑，张海清，李丹，唐毅谦，于曦

单位：成都大学,成都大学,成都信息工程大学,成都大学,成都大学,成都大学,

关键词：农作物病虫害; 病虫害等级分类; 深度迁移学习; ResNet 50; 移动应用程序

基金：国家自然科学基金项目（61602064）和欧盟Erasmus+SHYFTE项目(598649-EPP-1-2018-1-FR-EPPKA2-CBHE-JP)

为了提高农作物病虫害严重程度（健康、一般、严重）的分类效果，采用迁移学习方式并结合深度学习提出了一种基于残差网络（ResNet 50）的CDCNNv2算法。通过对10类作物的3万多幅病虫害图像进行训练，获得了病虫害严重程度分类模型，其识别准确率可达91.51%。为了验证CDCNNv2模型的鲁棒性，分别与使用迁移学习的ResNet 50、Xception、VGG16、VGG19、DenseNet 121模型进行对比试验，结果表明，CDCNNv2模型比其他模型的平均精度提升了2.78~10.93个百分点，具有更高的分类精度，病虫害严重程度识别的鲁棒性增强。基于该算法所训练的模型，结合Android技术开发了一款实时在线农作物病虫害等级识别APP，通过拍摄农作物叶片病虫害区域图像，能够在0.1~0.5?s之内获取识别结果（物种-病害种类-严重程度）及防治建议。?

来源：2020年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第10期