陆健强，林佳翰，黄仲强，王卫星,3，邱洪斌，杨瑞帆，陈平福

(1 华南农业大学 电子工程学院/人工智能学院，广东 广州 510642； 2 岭南现代农业科学与技术广东省实验室，广东 广州 510642； 3 广东省农情信息监测工程技术研究中心，广东 广州 510642)

柑橘黄龙病(Huanglongbing, HLB)是目前影响柑橘产业最严重的病害之一，在我国已有近百年历史[1-2]。广东省是柑橘种植的主要省份之一，但受黄龙病的影响，柑橘种植面积开始下降，种植区域向广西转移[3]。多聚酶链反应(Polymerase chain reaction, PCR)是目前应用于柑橘黄龙病识别的一种较为可靠且普遍的技术，但该方法存在的问题是难以实现实时在线检测。深度学习在图像分类和回归方面有较高的准确性，其精度优于目前现有的其他图像处理技术，已广泛应用于农业、医疗等领域。

邓小玲等[4]提出了基于高光谱成像和Fisher判别法的柑橘黄龙病识别方法，柑橘黄龙病病情识别准确率为90%。邓小玲等[5]通过荧光检测技术获取柑橘叶片荧光参数，提出了利用概率神经网络对黄龙病柑橘植株分类建模，诊断准确率为76.93%。马淏等[6]提出了利用高光谱成像技术生成的光谱及纹理特征进行柑橘黄龙病识别，结合最小二乘法和SVM分类器建立分类模型，平均预测准确率为88.5%。王克健[7]提出了采用高光谱检测与无人机技术采集柑橘黄龙病成像的方法，通过柑橘黄龙病的特征光谱建立了柑橘黄龙病识别模型，识别准确率为87%。肖怀春[8]提出一种基于高光谱成像技术的柑橘黄龙病叶片可视化判别模型，通过提取特征波长识别患病叶片的纹理特征，最低误判率为3.12%。……