黄林生 罗耀武, 杨小冬 杨贵军 王道勇

(1.安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心， 合肥 230601；2.北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室， 北京 100097；3.浙江大学华南工业技术研究院， 广州 510535)

0 引言

准确地识别农作物病害种类是农作物病害治理的基础。传统农作物病害识别主要依靠病害专家肉眼识别，这种方法不但耗费大量人力，而且时效性无法得到保障，很可能会导致错过农作物病害最佳治理时间而造成损失。随着计算机技术及其硬件的发展，越来越多的智能识别技术应用到农业病害识别领域[1]。

传统图像识别技术需要对病害图像进行预处理，提取病斑中一些人工设计的特征，将这些特征传入合适的分类器中，实现病害分类识别[2-6]。此类研究均为传统识别技术在病害识别领域的应用，病害特征通过手工设计，需要花费许多时间和精力，通常只能用来处理简单背景的病害数据，泛化能力较差。

随着人工智能技术的进一步发展，深度学习被广泛应用于各行各业，基于卷积神经网络的识别技术相较于传统图像识别在模型识别精度方面得到了很大的提升。文献[7-14]利用深度学习方法对农作物病害进行了识别，取得了较好的效果。

但是考虑到农作物病害在不同时期不同环境下具有不同的表征，病斑的尺寸与稀疏程度各不相同，并且在田间进行病害识别时，复杂的环境信息会产生许多噪声对病害识别造成干扰。……