周宏威，沈恒宇，袁新佩，李晓冬

(1.东北林业大学机电工程学院，哈尔滨市，150000；2.国家林业和草原局森林和草原病虫害防治总站，沈阳市，110034)

0 引言

中国是世界上最大的苹果生产国和消费国，苹果种植面积和产量均占世界总量的40%以上，在世界苹果产业中占有重要地位[1]。苹果树病虫害对苹果的产量有重要影响，如果能快速准确地识别病虫害就能有针对性的对病虫害进行及时控制，将病虫害对苹果树的影响降到最低[2]。目前苹果树病虫害识别主要是靠专家识别和种植户的经验，这种方法效率低下，不适合大面积快速识别，不能够满足现实需求。

随着深度学习和计算机视觉技术的不断发展，神经网络模型在各个领域都得到了广泛运用，包括人脸识别、语音识别、自动驾驶等[3-5]。在农林业方面，学者也对此进行了深入的研究[6-9]。牛冲等[10]通过提取直方图的8个特征(平均灰度、标准偏差、三阶中心矩、平滑度、均匀性、平均信息量、最大概率灰度级、灰度范围)并进行归一化处理利用支持向量机等方法对草莓病虫害识别，平均准确率达到90%以上。苏鸿等[11]利用区域卷积神经网络模型对广西柑橘病虫害识别进行研究，对几种典型的柑橘病虫害的识别准确率较高。孙鹏等[12]利用注意力神经网络对大豆害虫图像进行特征提取，识别准确率达到96.85%。山东农业大学赵立新等[13]在CNN算法的基础上，利用各种优化逐步提升6种棉花叶片病虫害图像的分类准确率，重点从网络结构择优、面对识别模型进行逐步研究分析和改进，取得不错的效果。……