冯 晓，李丹丹，王文君，郑国清，刘海礁，孙永胜，梁 山，杨 莹，臧贺藏，张 辉

(1.河南省农业科学院 农业经济与信息研究所，河南 郑州 450002；2.河南省智慧农业工程技术研究中心，河南 郑州 450002； 3.河南省林业科学研究院，河南 郑州 450008)

小麦是我国重要的粮食作物，病害的发生严重危害小麦的生长发育[1-2]。利用计算机视觉技术快速、准确识别小麦病害类型对于小麦病害防治具有重要的应用价值。传统的作物病害计算机视觉识别通常是在病害图像经预处理、病斑分割、病斑特征提取及筛选等多个步骤后，利用支持向量机(Support vector machine，SVM)、神经网络等分类器进行识别[3-5]，这类识别需要依赖专业知识针对病害症状设计特征提取方法，泛化能力及鲁棒性较差。近年来，随着大规模标记数据的产生和计算机计算能力的快速提升，卷积神经网络(Convolutional neural network，CNN)进入快速发展期，基于CNN的图像识别方法无需经过繁琐的预处理、特征提取等中间建模过程，采用端到端的结构，由数据驱动自动提取深层的抽象特征，减少了人工设计特征产生的不完备性。许多学者将AlexNet[6-10]、VGGNet[8,11]、ResNet[12]等经典CNN用于作物病害图像识别，取得了比传统识别方法更好的效果。

基于CNN进行图像分类需要大量数据和计算资源支撑，且耗时长。通过迁移学习，将在大型图像数据集上训练好的CNN通过一定方式在小的目标数据集上经过小幅训练即可完成目标识别任务，可有效弥补数据量的不足，且大幅降低计算时间。当前，迁移学习在作物病害识别[7-8,13]领域已获得成功应用。……