基于卷积神经网络的玉米病害识别方法研究*

王国伟,刘嘉欣

(吉林农业大学信息技术学院,长春市,130000)

0 引言

我国三大农作物之一的玉米是重要的粮食作物及产业原料,玉米产业的稳定健康发展,在粮食安全、农民收入增加及国家经济中起着重要作用[1]。伴随着玉米产量的增加,玉米病害种类的繁杂,怎样迅速正确的判断出玉米病害,并且选取对应的控制措施,对玉米生产至关重要。根据肉眼观察和经验判断很容易导致误诊,容易花费很多时间,并且无法在一定时间内诊断和治疗玉米病害,从而使玉米生产效率降低。随着计算机技术的发展,利用图像识别技术诊断和检测病害已成为诊断研究的一个重要领域[2]。在植物病害识别中,机器学习技术与图像处理相结合的应用越来越广泛。针对玉米常见的病害,毛彦栋等[3]提出一种SVM和DS证据理论融合方法、陈丽等采用遗传算法、张开兴等[4]采用图像处理技术和BP神经网络算法、张善文等[5]基于局部判别映射(LDP)算法和朱景福等[6]应用局部线性嵌入(LLE)算法对提取的病害特征进行约简,识别率依次为93.3%、90.0%、93.4%、94.4%、99.5%。这些研究尽管已经获得了良好的效果,但是很难提取特征,也存在适应性低和鲁棒性差等问题。

近几年,深度学习在图像分割和图像识别方面取得了良好的效果,并且在特征提取中起着重要作用,它能够自动提取图像特征,所以在各个领域都有广泛的应用 (如人脸识别[7-8]、语音识别[9]和行人检测[10]等)。顾博等[11]利用GrabCut自动分割算法并融合基于显著性的SLIC算法对玉米3种病害进行识别和分割、许景辉等[12]利用迁移学习方法对玉米大斑病和锈病进行识别。……