朱幸辉，周 勇*

(湖南农业大学 信息科学与技术学院，湖南 长沙 410128)

1 引言

植物叶子是进行光合作用和呼吸作用，制造有机养料的重要器官，对植物生长来说至关重要，因此必须保证其健康。一旦发生病害，必须及时进行治疗[1]。病害特征主要通过叶片状态显现，因此番茄病害识别主要通过番茄叶片出现的病斑来实现[2]。早先番茄叶片病斑识别主要通过人眼去判断其类别，不仅容易出错，还效率地下，因此当前番茄叶片病斑识别，主要目标检测算法来实现，如基于遗传算法、AdaBoost算法、随机森林算法等，其原理先将图像转换成不同大小，然后分别目标检测，最后将结果综合起来，得到识别结果[3]。由于图像是经过分割等多重处理的，图像中部分信息会丢失，因此mAP(Mean Average Precision)，即均值平均精度并不高。

针对上述情况，本次将卷积神经网络应用其中，提出一种新的番茄叶片病斑识别方法。方法最大特点了节省了图像预处理环节，直接输入整体图像即可，需要进行图像分割、转换，只需完成图像质量改善即可，且它将特征提取、特征选择和特征分类融合为一体，直接利用卷积神经网络对每个滑动窗口产生的候选区进行二分类，判断其是否为待检测目标[4]。最后通过仿真实例验证本文方法有效性，结果表明：与基于遗传算法、AdaBoost算法的目标识别方法相比，本文基于卷积神经网络的识别方法mAP较高，即能更为准确、迅速的完成病害辨别，为其防止提供了重要的理论依据。……