徐 岩，李晓振，吴作宏，高 照，刘 林

(山东科技大学 电子信息工程学院，山东 青岛，266590)

马铃薯与小麦、稻谷、玉米、高粱并称为世界五大作物，其块茎含有大量淀粉，能为人体提供丰富的热量，且富含蛋白质、氨基酸、多种维生素和矿物质，其维生素含量是所有粮食作物中最全的。然而，各种病害严重制约马铃薯产量，如世界公认的马铃薯第一大病害——马铃薯晚疫病，影响我国的种植面积约为200万hm2，致使马铃薯产量在一般年份减少10%～30%，严重时可达50%[1]。我国马铃薯的种植相对分散，相关从业人员知识水平参差不齐，极大制约着马铃薯病害的防治。

近年来，随着机器学习技术的发展，研究人员试图借助机器学习技术识别作物病害，提高病害防治水平。传统识别算法通常包括预处理、特征选择、设计特征提取器和设计分类器等步骤，相对繁琐且困难。例如对图像颜色、形状、纹理等特征[2-3]的提取，需要依据先验知识和人工工程来实现。而深度学习通过一种通用学习过程，从数据中学习如何提取图像特征，克服了传统方法的缺陷。Lecun等提出的LeNet网络[4]奠定了现代卷积神经网络的基础。Krizhevsky等[5]证明了卷积神经网络在复杂模型下的有效性，展开了深度学习的研究热潮。新的卷积神经网络模型不断被提出，例如VGG、GoogleNet和ResNet等网络模型[6-8]。

人类的视觉神经系统每秒所接受的视觉信息高达千万比特，但视觉神经系统的资源是有限的，为此视觉神经系统会先对信息进行快速扫描，以滤除无用信息，进而将更多资源投入到关注目标所在区域，这便是视觉注意力机制。……