黄英来，艾 昕

东北林业大学 信息与计算机工程学院，哈尔滨 150040

玉米是全世界产量最高的粮食作物，与传统的小麦、水稻等粮食作物相比，玉米具有很强的环境适应性，其作为多用途作物在食用、饲用、工业原料及出口商品等各方面发挥着重要作用[1]。然而，近年来，随着全球气候异常以及玉米品种更换等原因，玉米叶部发生病害的现象明显增多，这给玉米的生产带来了极大危害。常见的玉米叶部病害有十多种，其中以大斑病、锈病和灰斑病为主[2]。传统的玉米叶片病害识别主要以工作人员肉眼观察为主，这种方法不但效率低下，而且判定标准往往带有主观性。因此，寻找出一种高效并且精准的玉米叶片病害识别方法至关重要。

近年来，学术界掀起了深度学习的热潮，其中卷积神经网络（Convolutional Neural Network，CNN）是深度学习最重要的分支之一，它被广泛地应用于计算机视觉领域。目前，卷积神经网络已经成为众多科学领域的研究热点之一。由于卷积网络可以直接输入原始图像，并且在各项领域都取得了较高的识别率，其便捷性与准确性等优点深受众多学者的好评。

鉴于卷积神经网络在图像检测领域的突出能力，多名学者利用它来解决农业方面的图像识别问题。赵建敏等[3]采用深度学习理论设计病害识别系统，搭建8层CNN+softmax分层卷积神经网络模型，在马铃薯叶片病害识别中取得了较高的识别率。吴开兴等[4]设计了通过卷积神经网络实现番茄病害识别的模型，研究了采用不同尺寸的卷积核和池化方法对该模型性能的影响。……