王 庚，孙 盛

（1.广州铁路职业技术学院，广东 广州 510430；2.广东工业大学 计算机学院，广东 广州 510000）

菜心为十字花科芸薹属，一、二年生草本植物，在长江以南的地区被广泛种植和食用［1］。菜心是广东省栽培面积最大的蔬菜品种，亦是出口港澳及东南亚国家的主要蔬菜品种［2］。作为广泛种植的蔬菜，一旦发生病虫害，就会给种植户造成巨大的损失。病虫害严重影响着作物的产量和质量，病虫害程度检测可以在发生大规模虫害前提供预警信息，可以为相关部门提前采取措施提供决策支持。

近年来，越来越多图像分类算法技术应用于农作物病虫害的程度检测中。如：吴华瑞提出了一种基于深度残差网络的番茄叶片病害识别方法［3］，马浚诚等设计了一种温室黄瓜霜霉病诊断系统［4］，丁小奇针对大白菜和马铃薯叶片，构建了基于特征检测的蔬菜叶片病虫害识别模型［5］。在图像分类的算法中，比较经典的算法有k 最近邻算法（KNN）、支持向量机（SVM）、BP 神经网络［6］。但是，随着近年来深度学习及迁移学习等新的技术的迅速发展；深度学习模型，例如：卷积神经网路，在分类任务中具备更加优异的性能。因此，本文采用LeNet-5 分类网络设计并实现一个菜心病害程度识别算法。

1 数据采集及预处理

1.1 数据采集

通过前期调研和向蔬菜基地农民的咨询，于2019 年3 月至12 月期间，进行了3 次集中图像采集。共采集了1 200 张图像；采集设备相关信息见表1。

表1 菜心图像采集信息

在数据集中存在的病害因素基本上都是虫害。……