农业机械学报

作者：樊湘鹏，周建平，许燕，彭炫

单位：新疆大学,新疆大学,新疆大学,新疆大学,

关键词：玉米;病害识别;改进卷积神经网络;复杂背景;手机识别系统

基金：新疆维吾尔自治区研究生科研创新项目（XJ2019G033）和国家级大学生创新创业训练项目（201810755079S）

为解决田间环境复杂背景下病害识别困难、识别模型应用率低的问题，提出了一种基于改进卷积神经网络的玉米病害识别方法，探讨了数据集的品质对建立模型性能的影响。利用复杂背景下的玉米病害图像进行数据增强、背景去除、图像细分割和归一化等处理，设计了具有5层卷积、4层池化和2个全连接层的卷积神经网络结构，利用L2正则化和Dropout策略优化网络，对复杂背景下的玉米9种病害进行识别训练和测试，优化后的CNN模型平均识别精度为97.10%，比未优化的网络模型提高9.02个百分点。利用不同大小、不同品质的数据集对优选网络进行训练和测试，数据增强后比原始样本平均识别精度提高了28.17个百分点；将复杂背景去除后，模型性能进一步提升，识别精度达到97.96%；对数据集进行细分割处理后，平均识别精度为99.12%，表明卷积神经网络需要大量的训练数据，且数据集需有一定的代表性和品质。开发了基于移动端的玉米田间病害识别系统，系统测试结果表明，平均识别准确率为83.33%，系统能够实现田间复杂环境下的玉米病害识别。

来源：2021年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第3期