黎振 陆玲 熊方康

摘要：针对有背景干扰的番茄病理叶片，将k-means分割与迁移学习相结合，提出一种基于k-means分割和迁移学习的方法对番茄病害叶片进行识别。首先对原始图像进行一系列预处理，再将处理后的图像进行k-means分割，得到叶片边缘的最小矩阵图像，之后进行去噪处理，简化突出图像特征，再根据预处理后的图像特点，优化改进迁移的VGG16网络结构，构建 CNN 模型对预处理后图像进行识别。结果显示，通过分割后训练方式平均精度提升了0.37百分点，通过冻结迁移的VGG16网络第1个卷积模块并修改全连接层的方法提升了5.4%左右。因此本研究认为通过分割、冻结VGG16第1个卷积层模块的参数并修改全连接层可以提升番茄病理识别率。

关键词：农作物病虫害;k-means分割;卷积神经网络;迁移学习;VGG16

中图分类号： TP391.41文献标志码： A

文章编号：1002-1302（2021）12-0156-06

收稿日期：2020-11-07

基金项目：国家自然科学基金（编号：61761003）。

作者简介：黎 振（1997—），男，江西南城人，硕士，主要从事深度学习和图像处理研究。E-mail：243502783@qq.com。

通信作者：陆 玲，硕士，教授，硕士生导师，研究方向为计算机图形学，数字图像处理，计算机可视化。E-mail：luling@ecit.cn。

农作物病虫害一直是农业领域面临的巨大挑战之一，它不仅会影响农业生产，还会影响食品安全[1] 。根据相关统计和分析，从2015年到2019年，全国农作物病害的受灾面积从1 926万hm2到 2 176.98万hm2 不等。根据全国农业技术推广服务中心的预测，2020 年我国农作物病害的受灾面积将累计达到 3 亿 hm2，造成相当大的粮食与经济损失[2]。其中马铃薯晚疫病在西南大部、东北北部、华北北部和西北东部产区偏重流行，风险高，发生面积2 800万亩（1 hm2=15亩）。……