基于跨深度学习模型的作物病害检测方法

作者：李萍; 邵彧; 齐国红; 张善文^*

来源：江苏农业科学, 2022, 50(08): 193-199.

DOI：10.15889/j.issn.1002-1302.2022.08.035

• 作物病害检测
• 卷积神经网络
• 双向长短时记忆
• 注意力机制
• 跨深度学习模型

作物病害叶片症状是病害类型识别的依据，与作物病害发生相关的环境信息是作物病害预测的依据。由于病害叶片症状和环境信息的复杂多样性，使很多作物病害检测方法的准确率不高。针对大田作物病害检测难题，提出一种基于卷积神经网络(convolutional neural networks,简称CNN)和双向长短时记忆网络(BiLSTM)相结合的跨深度学习模型的作物病害检测方法。首先，利用CNN提取作物病害叶片图像的分类特征，利用BiLSTM提取病害发生的环境信息的特征；然后，利用注意力机制对2种特征进行融合；最后，利用Softmax分类器进行病害检测。在作物病害相关数据库上进行试验，识别准确率为92.35%。结果表明，该方法优于传统的病害检测方法和基于长短时记忆神经网络(LSTM)的检测方法。该方法能够准确检测出作物病害，有助于提高大田作物病害检测系统的准确率和鲁棒性。

• 单位
  电子信息工程学院; 郑州西亚斯学院