陆雅诺，陈炳才，2

(1.新疆师范大学计算机科学与技术学院,乌鲁木齐市，830054；2.大连理工大学计算机科学与技术学院,辽宁大连，116024)

0 引言

啤酒花作为制作啤酒的重要原材料，在我国的新疆、内蒙等地被广泛的种植。其中，在新疆地区的产地主要分布于天山和阿尔泰山的山间。啤酒花种植结构落后和品种单一等特点导致病虫害迅速漫延，很大程度上影响了啤酒花种植的产量和品质。因此，本文针对于啤酒花病虫害提出智能诊断方法，在提高啤酒花的产量和品质同时达到智慧农业的理念[1]。

随着啤酒花的产量稳定上升，人工治理病虫害的工作变得异常的机械和枯燥[2]。传统的人工分拣工作是通过肉眼去观察啤酒花叶片的特征进行筛选，人工筛选的局限性促使着智能时代的发展，因此人们为了提高产量，根据机器视觉[3]所具有的高效、精确等特点着手于研究植物表面的更深层的特征的提取，利用迁移学习的方法来进行智能诊断与综合防治相结合，从而有效提高啤酒花种植品质。在图像识别领域，Amara等[4]采用深度学习方法实现了自动化的香蕉病害叶片分类,田有文等[5]利用图像处理技术和传统SVM识别方法研究了葡萄叶部病害的识别，实验结果表明传统SVM识别方法比起神经网络识别效果更显著。吴雪等[6]利用数据增强的卷积神经网络火灾识别的方法对火灾进行识别，在小样本使用卷积神经网络中很有意义。Mnih等[7]提出了基于RNN的循环视觉注意模型，将注意力机制运用于MNIST数字图像分类任务中。……