梅 莹 尹艺璐 石称华 刘哲辉 常丽英

（1.上海交通大学农业与生物学院，上海 闵行200240；2.广西壮族自治区柳州市柳城县委办公室，广西柳州545000；3.山东省淄博市数字农业农村发展中心，山东 淄博255000；4.上海劲牛信息技术有限公司，上海 普陀200333）

霜霉病严重影响我国结球白菜、菠菜、莴笋等叶菜的生产。霜霉病危害严重时发病率近90%，蔬菜减产可达60%[1]。目前，目视观察是检测田间蔬菜霜霉病发生的主要方法，极易错过防治的最佳时期。基于图像识别的叶表深度学习比人工诊断更易实现病害的实时监测，将其应用于病害预测的无人报警系统，可降低劳动成本、实现病害的有效防控。

卷积神经网络（Convolutional Neural Networks，CNN）是对复杂过程进行建模，并在具有大量数据的应用程序中执行模式识别的强大技术之一。CNN是大、小型问题中最流行的图像识别分类网络模型，其图像处理、识别与分类功能强大，为克服有关图像识别技术难题的首选方法[2]。国内外研究表明，CNN已应用于诸多植物的病害识别，如小麦病害检测[3]、玉米不同病害图像的分类识别[4]、棉花病叶识别[5]、烟草病害识别分类[6]、番茄病害的识别分类[7-9]、黄瓜病害的识别分类[10-12]、茶叶病害的识别分类，并通过调整网络参数提高茶叶病害的识别精度[13]、运用AlexNET模型识别茶树不同病害[14]、苹果病害不同发病阶段[15]和不同病害的分类识别[16]，运用两种不同CNN体系结构和改进AlexNET模型识别多种植物病害[17-18]，以Keras为学习框架进行卷积神经网络的训练提高模型的识别成功率[19]等。……