基于深度學習的玉米葉片病害識別方法研究

王 超，王春圻，劉金明

（1.黑龍江八一農墾大學科技處 黑龍江，大慶 163319；2.黑龍江八一農墾大學食品學院 黑龍江，大慶 163319；3.黑龍江八一農墾大學國家雜糧工程技術研究中心 黑龍江，大慶 163319；4.黑龍江八一農墾大學信息與電氣工程學院 黑龍江，大慶 163319）

玉米是我國的重要農作物之一，近年來因氣候破壞、環境污染等問題導致玉米在種植階段面臨病害類型多、破壞性強，防治難度大等諸多隱患，使得玉米產量及質量均在嚴重下降。同時由于農村勞動力相對短缺，針對玉米病害的判斷不準確而導致病害防治更困難。

隨著計算機技術的發展，深度學習在語音識別和視覺識別等領域引起了人們的廣泛關注，相比于傳統算法，選用深度學習方法具有較強的識別率、更高的可靠性和降低錯誤率等優勢。因此，本文采用卷積神經網絡來對玉米葉片病害進行識別。通過深度學習對玉米葉片進行病害識別，將深度學習可以更熟練的應用于農業，加強對病害進行精確的識別，豐富病害防治技術，提升農作物的質量和產量。

本文以大斑病菌、銹病、灰斑病玉米葉片和健康玉米葉片為研究主體，使用預訓練網絡AlexNet、GoogLeNet 和ResNet 識別病害玉米葉片進行對比實驗，并與經典的機器學習算法做比較；同時通過對ResNet 模型和SVM、KNN、BP 神經網絡進行對比，探究深度學習網絡結構ResNet進行玉米葉片病害快速識別的可行性。

1 材料與方法

1.1 圖像采集

本文數據集來自于PlantVilliage數據集(https://plantvillage.psu.edu/)。試驗選取玉米常見的灰斑病、銹病、大斑病菌感染玉米葉片和健康玉米葉片4類玉米圖片，共計1529張。……