张善文，黄文准，尤著宏

(西京学院 信息工程学院， 陕西 西安 710123)

基于物联网和深度卷积神经网络的冬枣病害识别方法

张善文，黄文准，尤著宏*

(西京学院 信息工程学院， 陕西 西安 710123)

针对传统的作物病害识别方法中人为提取的分类特征，对复杂作物病害图像的形状、光照和背景比较敏感等问题，提出一种基于物联网和深度卷积神经网络(DCNN)的冬枣病害识别方法。DCNN由1个输入层、4个卷积层、3个下采样层、1个全连接层和1个输出层组成。利用该方法能够提取冬枣病害图像的有效特征，并识别病害类型，避免了传统作物病害识别方法中繁琐的特征提取过程。在4种冬枣病害果实数据库上进行了冬枣病害识别实验，识别率达到92%以上。试验结果表明，该方法适合利用物联网采集的大规模视频病害图像进行冬枣病害识别。

冬枣病害识别；冬枣病害图像；深度卷积神经网络(DCNN)；特征提取

冬枣是我国近年来兴起的第二代水果，甘甜味美，营养丰富，被誉为“百果之王”和“活维生素片”。近年来冬枣病害严重影响了冬产量和质量，常见的主要病害包括锈病、炭疽病和烂果病等10多种。目前冬枣病害的诊断基本上凭借植保专家和果农往年的经验，通过人工观察果树发病症状，再与已有的病害症状图片和文字解释做比较进行病害诊断。由于不同大棚的冬枣的自然生长环境差异较大，以及冬枣病害症状的复杂多样性，所以人工观察方法经常出现偏差。随着计算机、图像处理和物联网技术的发展，出现了很多基于计算机的作物自动识别方法[1-3]，其识别原理基本相同：首先对采集的病害图像进行预处理，然后提取分类特征，再选择分类器进行病害识别。……