万军杰 祁力钧 卢中奥 周佳蕊 张 豪

(中国农业大学 工学院，北京 100083)

果园病虫害影响水果的品质和产量，自动识别病虫害是一个重要研究方向。随着果园生产种植模式不断复杂化，果园生产中所遇到的病虫害情况也越来越复杂，对果树生长造成了严重影响，快速、准确、有效地识别出病虫害危害程度并采取相关防治措施及时止损[1-2]，对于提高水果品质和产量至关重要。

随着计算机技术的不断发展，植物病虫害检测技术也取得了长足的进步。植物病虫害识别方法主要分为传统方法和深度学习方法。传统方法需要人工提取病害纹理、颜色等特征，往往识别种类有限且识别精度不高，难以大规模的推广应用。如肖志云等[3]提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。党满意等[4]利用GrapCut算法与直方图分割算法提取马铃薯晚疫病特征用于晚疫病识别，该方法对于中晚期病害识别准确率能达到90%以上。肖志云等[5]提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法。张建华等[6-7]利用BP神经网络、支持向量机进行棉花病虫害识别，识别精度基本能达到90%以上。

卷积神经网络(Convolutional neural network，CNN)能够不依赖特定特征，在图像识别领域已经得到了广泛应用[8-11]。如孙俊等[12]提出了一种批归一化与全局池化相结合的卷积神经网络识别模型，对于多种植物叶片病害的识别准确率达到了99.56%。房若民等[13]设计了一种嵌入式农业病虫害识别防治系统，可以识别多种病虫害且识别准确率达92.6%。……