何 欣，李书琴，刘 斌

（西北农林科技大学信息工程学院，陕西杨凌 712100）

0 概述

葡萄在生长过程中受到环境、细菌等影响而产生黑腐病、褐斑病、黄叶病和毛毡病等病害，这些病害多数发生在葡萄树的叶片部位，对葡萄的产量和品质造成不利影响。传统凭借经验和病理知识的人工确诊方式存在周期长且耗费人力的问题，而计算机视觉的发展给农作物病害识别带来了新的研究方向［1⁃2］，比如日趋成熟的机器学习［3⁃5］与深度学习［6⁃8］为葡萄叶片病害识别提供了新的解决方案。不同程度的同种葡萄病害在病斑的纹理和颜色等方面具有较强的相似性，导致识别不同程度病害的准确率降低。基于深度学习的卷积神经网络能够避免人为设计提取病害特征的问题，为实现葡萄叶片病害识别的自动化，文献［9］采用多类支持向量机对葡萄叶片病害进行分类，平均识别准确率可达到90%。文献［10］采用UnitedModel 对4 种葡萄叶片病害进行识别，使得识别准确率达到99.17%。文献［11］采用尺度不变特征转换（Scale Invariant Feature Transform，SIFT）特征对叶片序列日期进行匹配得到生长序列图，并通过检测序列图中病斑面积与数量的变化情况诊断叶片病害。但是该方法对叶片姿态要求较为严格，存在一定的局限性。文献［12］使用MobileNet 对6 种葡萄病害进行识别，获得了87.50%的平均识别准确率。文献［13］采用OTSU 算法对葡萄叶片病害区域进行分割，并利用形态学算法改善病害形态，选择Prewitt 算子提取病变区域的完整边缘，使用BP 神经网络进行病害识别。……