雷 朦，余顺园

（安康学院电子与信息工程学院，陕西 安康 725000）

魔芋作为一种经济作物，具有较好的食用、药用价值以及工业价值［1，2］，是中国中西部地区重要而具有特色的经济农作物之一。然而魔芋在种植过程中易感染各种病害［3］，有效控制病害的前提条件是能及时准确地识别出病害种类。传统的魔芋病害识别主要依赖于人工，但是随着智慧农业的兴起［4］，人工智能技术逐渐渗透到农业生产的各个环节，因此基于机器视觉的农作物病害研究受到了广泛关注［5-7］。本研究对卷积神经网络的魔芋病害识别进行分析，旨在及时发现魔芋病害，减轻劳动力强度，提高生产效率。

随着计算机技术在农业图像处理领域的渗透，学者们利用模式识别方法开展了一系列基于机器视觉的各类农作物病虫害分类方法研究。传统的诸如支撑向量机［8］、K-means 聚类分割［9］、遗传算法［10］等均依赖于特征，而特征提取具有不稳定性，易受环境影响等，为此深度学习应运而生，尤其是随着各类深层次结构网络的不断完善，如卷积神经网络（Convolutional neural network，CNN）、递归神经网络等使得图像识别在适应性和鲁棒性上均有较大提升，基于深度学习的农业领域病虫害自动识别也日益受到学者们的关注［11］。利用深度学习获取作物病害的多尺度特征，可以更精确地实现不同病害的特征表达，有利于作物病害的精确识别。基于CNN 的农作物病害识别具有较高的准确率［12-14］，CNN 通过大量的训练样本数据提取特征，有效突破了传统算法特征提取的局限性。……