孙文杰,牟少敏,董萌萍,周子豪,李 颀

山东农业大学信息科学与工程学院,山东 泰安271018

我国是世界桃生产第一大国[1]，由于受各种叶部病害的影响，桃的产量和品质下降,造成了巨大的经济损失。因此，准确、高效地识别早期桃树叶部病害至关重要，而桃树叶部病害的识别主要是凭借植保技术人员和桃农的经验判断，误差大且费时费力。

近年来，随着深度学习技术的深入研究，卷积神经网络（Convolutional Neural Network，CNN）在农作物病害图像识别中的应用不断深入。龙满生等[2]利用深度卷积神经网络学习油茶病害特征，并借助迁移学习将AlexNet 模型在ImageNet 数据集上学习的参数迁移到油茶病害识别中。Hu GS 等[3]提出一种多尺度的深度卷积神经网络用于茶叶病害图像识别，缩短了训练时间且具有较高的准确率。王昌龙等[4]提出了一种基于双通道卷积神经网络的南瓜叶片病害识别算法，提取了病斑的全局特征与细节特征。Zeng WH 等[5]提出了一种基于自注意力的卷积神经网络用于农作物病害图像识别，具有较高的识别准确率和较强的鲁棒性。任守纲等[6]提出了一种基于反卷积引导的VGG 网络模型用于番茄叶部病害图像识别，在遮挡和弱光等环境下具有良好的鲁棒性。目前，基于深度学习的桃树叶部病害图像识别的研究较少。虽然CNN 在农作物病害图像识别中取得了显著效果，但未考虑病害区域间的上下文相关信息和位置信息。

桃树叶部病斑具有相似度高和关联度高的特点，而不同的病害发生的部位不同，如图1 所示，炭疽病和褐斑病的病斑特征非常相似，但炭疽病多数发生在叶尖、叶柄基部和叶缘位置[7]，而褐斑病一般发生在叶缘以内的任何位置[8]。……