肖伟，冯全，张建华，杨森，陈佰鸿

(1.甘肃农业大学机电工程学院，兰州市，730070；2.中国农业科学院农业信息研究所，北京市，100081；3.甘肃农业大学园艺学院，兰州市，730070)

0 引言

在农业种植中，病害是影响农作物的产量和质量的关键因素之一。当病害发生时，若能快速准确的识别病害类型并做出相应的处理，可以为农作物的保产、增产提供有力的支持。传统对植物病害识别经常依靠经验丰富的专家用眼睛进行识别，但依靠人眼识别植物病害会出现速度慢、效率低、准确性低等问题。

近年来，以深度学习为代表的人工智能领域发展非常迅速，已经渗透到农业病害识别领域，其中使用最为广泛的深度学习方法是深度卷积神经网络[1-3]，Mohanty等[4]在PlantVillage数据集上利用54 306张植物病害叶片图像训练和测试，采用AlexNet和GoogLeNe两个模型，得到最高准确率为99.35%。Amara等[5]使用3 700张香蕉病害叶片图像作为训练和测试，采用LeNet模型，准确率达到99.72%。Brahimi等[6]利用14 828张西红柿病害叶片图像作为训练和测试，采用AlexNet和GoogLeNet模型，准确率分别达到98.66%和99.18%。Liu等[7]利用13 689张苹果病害图像作为训练和测试，采用AlexNet模型，准确率达到97.62%。Dyrmann等[8]用22种杂草和农作物品种共10 413张图像的数据集训练测试建立模型，平均分类准确率为86.2%。张建华等[9]在原有VGG-16模型基础上不断改进，提出了一种新的VGG棉花病害模型，准确率达到89.51%。郑一力等[10]利用大量的植物叶片图像作为训练和测试，采用AlexNet和InceptionV3模型，准确率分别达到95.31%和95.40%。

以上采用深度卷积网络作为识别器的方法需要大量的数据样本才能取得好的识别效果。……