李 博，江朝晖,2，谢 军，饶 元,2，张 武,2

（1安徽农业大学信息与计算机学院，合肥230036；2智慧农业技术与装备安徽省重点实验室，合肥230036）

0 引言

受全球气候和环境问题的影响，植物发生的病害愈加复杂，对植物病害进行识别和防治越来越重要[1]。随着计算机技术的发展，深度学习被应用到植物病害识别，其可缩短病害识别时间，极大减轻了农户的工作量。

近年来，越来越多的国内外研究者尝试将卷积神经网络用到植物病害识别上[2-3]。孙俊等[4]提出了改进AlexNet网络对多种植物叶片病害识别方法，识别14种不同植物共26类病害，刘永波等[5]提出了一种在自然环境条件下基于深度卷积神经网络的玉米病害识别方法。DeChant Chad等[6]集成多个卷积神经网络，识别玉米大斑病。为进一步提高植物病害识别准确率，减少模型训练需要的样本量[7]，更深层的卷积神经网络和迁移学习[8]被应用到植物病害识别。陈娟等[9]通过改进ResNet，提出了改进残差网络的园林害虫图像识别方法。许景辉等[10]提出基于迁移学习的卷积神经网络玉米病害图像识别方法。

在将植物识别模型运用到实际过程中，杨林楠等[11]设计了甜玉米病虫害的树型图和推理机等，基于Android系统手机的甜玉米病虫害智能诊断系统。然而其在识别病害过程中需要用户手动根据叶、穗、茎、籽等部位特征进行一系列配置，操作不方便。刘洋等[12]提出了将MobileNet移植到智能手机直接在手机端进行植物病害识别，减少了图片上传到网络的时间，对网络依赖性不强。……