基于深度学习的马铃薯叶片病害检测方法*

赵越，赵辉，姜永成，任东悦，李阳，卫勇

(天津农学院工程技术学院，天津市，300384)

0 引言

植物病害在世界范围内给农业部门造成了巨大的损失，因此及时、准确地诊断植物病害对于可持续农业的正确发展具有重要意义[1]。马铃薯是仅次于玉米、小麦和水稻的世界第四大农业粮食作物，它可以减少血液中胆固醇的总量，有助于治疗高血压、心脏病和癌症等疾病[2]。然而，马铃薯的产量下降深受植物病害的影响。目前为止，经验丰富的生产者的目视观察仍然是发展中国家农村地区植物病害检测的主要方法。此方法需要专家的持续监测，而在一些偏远的地区，农民们可能要走很远的路才能联系专家，这使得咨询费时费力[3]。

在过去的几年里，深度学习已经解决了越来越多的复杂任务，并且准确率越来越高。人们对这类技术的兴趣在于其在农业方面的潜在应用，推动高效自主系统的发展，而植物病害的自动识别就是其中一个重要的研究内容。2018年Ferentinos[4]使用了开放数据库对多种植物病害图像进行训练，成功搭建了综合植物病害识别系统，实现了简单的卷积神经网络病害图像自动检测和植物疾病诊断；2019年Saleem等[5]对植物病害可视化的深度学习模型进行了综述，研究了在植物症状明显之前，如何检测可以获得更大的透明度；2021年Atila等[6]使用Plant Village数据集通过迁移学习的方式训练了EddicientNet架构和其他主流的深度学习网络模型，通过不同网络模型的对比，EfficientNet架构的检测精度最高，提出了一种用于植物叶片病害分类的高精度深度学习网络结构。……