基于卷积神经网络的农作物叶片病害诊断

作者：朱家辉; 苏维均; 于重重

来源：植物检疫, 2021, 35(02): 28-32.

DOI：10.19662/j.cnki.issn1005-2755.2020.00.042

• 卷积神经网络
• 识别
• 植物病害
• 叶片
• VGG16
• Resnet50

农作物病害诊断对于及时发现并采取防控措施具有重要意义。本研究针对苹果、玉米、番茄、葡萄等典型农作物的常见叶片病害问题,使用了两种目前使用最广泛的卷积神经网络——VGG16及Resnet50,对典型农作物叶片病害进行识别。使用AI Challenger比赛的农作物叶片病害数据集图像,并对这些图像进行预处理,构建了47 285张图片的数据集。分析两种卷积神经网络的性能,实验结果表明:VGG16及Resnet50分别达到了82.57%和86.34%的准确率,且Resnet50收敛速度更快,更适合农作物叶片病害的诊断识别。

• 单位
  北京工商大学