王美娟， 尹飞，2

(1.河南农业大学信息与管理科学学院，河南 郑州 450046；2.河南粮食作物协同创新中心，河南 郑州 450002)

近年来，玉米病害有逐年加重的趋势，严重影响了玉米的产量和品质。为此，利用农业信息化技术手段，实现快速、高效、智能化玉米病害诊断，降低玉米病害影响，是解决中国粮食安全问题的重要途径之一。近年来，随着计算机技术的不断发展，国内外学者基于机器视觉算法在作物病害图像识别领域进行了相关研究[1-6]。ZHANG等[7]提出一种融合超像素聚类，K-Means聚类分割和分层梯度直方图(PHOG)算法识别黄瓜和苹果的几种常见病害，平均识别率为87%。贾浩[8]研究了玉米叶部病斑的计算机自动识别,从图像的采集、预处理、分割、特征的提取结合BP神经网络针对6种常见玉米叶部病害进行诊断识别,识别率达到92.3%。顾博等[9]以玉米大小斑病和灰斑病叶片为研究数据,利用融合显著信息的Grabcut算法、One-Cut算法和SLIC算法对玉米大小斑病和灰斑病进行病斑目标识别和分割,融合后的算法识别准确率达80%以上。以上研究多是基于图像的颜色、纹理和空间结构进行分析，采用边缘检测、阈值处理、区域生长和决策树分类以及聚类分割等传统图像处理方法，存在适应性差、抗干扰能力弱等问题，很难适用大田自然条件下获取的复杂背景图像，且最终的识别精度有限，难以在实际生产中推广应用。

随着深度学习技术的提出与发展[10],更加凸显了传统图像检测方法的不足之处。深度学习可实现对图像特征自动的分层提取,从而解决了传统图像识别面临的特征提取和分类器选择难的问题。……