基于深度学习的玉米叶片病斑识别方法研究

作者：李恩霖; 谢秋菊; 苏中滨^*; 高睿

来源：智慧农业导刊, 2021, 1(10): 1-10.

• 玉米病害
• 深度学习
• 迁移学习
• 最优模型
• DenseNet121

玉米叶片病害是影响玉米产量的重要因素之一。目前的识别方法受个人经验和传统图像识别技术的限制，难以达到良好的识别效果。文章以玉米锈病、玉米叶枯病、玉米灰斑病3种典型的病害为例，选取PlantVillage公开数据集的500张图像作为每种病害样本，建立了基于VGG16、Inception V3、ResNet50、ResNet101、DenseNet121的5种深度卷积神经网络的病虫害识别模型，保留原始结构卷积层并设计新的全连接层，再利用迁移学习迁移各个模型ImageNet卷积层权重参数，对比5种模型性能选取最优的网络模型。结果表明，经过重新设计全连接层的DenseNet121性能最优，准确率、召回率、特异率分别为99.73%、99.73%和99.87%，与其他模型相比DenseNet121参数量小、训练时间短，3种病害识别精确率分别为99.6%、100%和99.6%，可精准地识别玉米病害。

• 单位
  东北农业大学