冀常鹏，陈浩楠，代 巍

（辽宁工程技术大学a.电子与信息工程学院，b.研究生院，辽宁 葫芦岛125105）

传统的农作物病害识别主要依赖于农民长期积累的经验，由于病害症状复杂多变，往往对于农业生产者的专业知识有很高要求[1]。通过人工观察来判断病害类别，主观性较强，耗时耗力。因此，使用现代信息化技术，高效准确的识别农作物病害具有重要意义，也是农业现代化的重要标志[2]。基于传统的图像处理方法需要对农作物的病害特征进行手工的病斑分割、特征提取，并自行构建分类器分类，需要消耗大量的时间进行数据预处理，且受客观条件影响较大，特征提取困难[3]。近些年，随着深度学习的飞速发展，卷积神经网络凭借其强大的特征提取能力，在图像识别[4]、目标检测[5]等领域取得诸多成功的应用，诸如人脸表情识别[6]、病理图像分类[7]、缺陷检测[8]，并有学者成功将其应用到农业领域，YANG等[9]成功使用卷积神经网络对水稻病害进行识别，所提出的模型准确率达到95.48%；王美华等[10]通过对注意力机制CBAM模块进行改进，针对空间注意力与通道注意力之间的串行干扰问题，提出了一种并行连接的新型混合注意力模块，在病虫害识别方面取得较好效果，且在不同模型间具有良好的泛化性；宋余庆等[11]提出了多层次增强高效空间金字塔模型，解决网络输入图像尺寸不相同的问题，但模型结构复杂，需要构建多层融合EESP网络模型提取图像的特征信息；王春山……