基于深度學習的馬鈴薯葉片病害檢測方法*

趙越，趙輝，姜永成，任東悅，李陽，衛勇

(天津農學院工程技術學院，天津市，300384)

0 引言

植物病害在世界范圍內給農業部門造成了巨大的損失，因此及時、準確地診斷植物病害對于可持續農業的正確發展具有重要意義[1]。馬鈴薯是僅次于玉米、小麥和水稻的世界第四大農業糧食作物，它可以減少血液中膽固醇的總量，有助于治療高血壓、心臟病和癌癥等疾病[2]。然而，馬鈴薯的產量下降深受植物病害的影響。目前為止，經驗豐富的生產者的目視觀察仍然是發展中國家農村地區植物病害檢測的主要方法。此方法需要專家的持續監測，而在一些偏遠的地區，農民們可能要走很遠的路才能聯系專家，這使得咨詢費時費力[3]。

在過去的幾年里，深度學習已經解決了越來越多的復雜任務，并且準確率越來越高。人們對這類技術的興趣在于其在農業方面的潛在應用，推動高效自主系統的發展，而植物病害的自動識別就是其中一個重要的研究內容。2018年Ferentinos[4]使用了開放數據庫對多種植物病害圖像進行訓練，成功搭建了綜合植物病害識別系統，實現了簡單的卷積神經網絡病害圖像自動檢測和植物疾病診斷；2019年Saleem等[5]對植物病害可視化的深度學習模型進行了綜述，研究了在植物癥狀明顯之前，如何檢測可以獲得更大的透明度；2021年Atila等[6]使用Plant Village數據集通過遷移學習的方式訓練了EddicientNet架構和其他主流的深度學習網絡模型，通過不同網絡模型的對比，EfficientNet架構的檢測精度最高，提出了一種用于植物葉片病害分類的高精度深度學習網絡結構。……