一种基于卷积神经网络小麦病害识别方法.docVIP

一种基于卷积神经网络的小麦病害识别方法 　　摘要：针对准确识别小麦常见病害的需要，提出了一种基于卷积神经网络的小麦病害识别方法。该方法首先以小麦病害图片资料为基础，利用中值滤波法、直方图阈值法等对图像进行去背景、去噪、病斑分割等预处理形成样本库，然后利用卷积神经网络构建一个具有五层结构的深度学习模型进行样本学习，并利用随机梯度下降法进行学习过程控制，最后以获取的特征集对小麦图片进行病害识别，并形成一个在线识别系统。在泰安市4样点的试验结果表明，利用该方法可以有效实现对小麦常见病害――纹枯病、条锈病、叶锈病、秆锈病、赤霉病和白粉病的识别，综合识别率可达99%以上，可以应用于实际生产管理。 　　关键词：小麦病害；卷积神经网络；在线识别；病害识别 　　中图分类号：S512.1：S127文献标识号：A文章编号：1001-4942（2018）03-0137-05 　　Abstract Based on the needs of identifying wheat’s common diseases accurately， a wheat disease recognition method based on convolutional neural network was put forward in this study. This method was based on the wheat disease image data， firstly it formed a sample database after a series of pre-treatments including removing background， denoising， segmentation of lesion with median filter and histogram thresholding method； then it built a five-layer-structure model of deep learning sample for learning using convolutional neural network， and using stochastic gradient descent method to control learning process； finally， it identified the wheat’s pictures with obtained feature set， and formed an online identification system. The experimental results in Taian showed that this method could effectively identify the common diseases of wheat， and the comprehensive recognition rate reached more than 99%， which could be applied to the actual production management. 　　Keywords Wheat disease； Convolutional Neural Network； Online identification； Disease identification 　　小??是我国的主要粮食作物，每年播种面积都在3亿公顷左右，占全国粮食作物总面积的20%～27%。利用高新技术手段，保证小麦高产稳产，对于保障我国粮食供应、社会安定、经济发展具有重要作用。小麦主要病害有38种左右[1]，常年发生面积约7 000万公顷，造成小麦产量损失高达30亿千克[2]。因此，有效改进小麦病害的防治措施，对于提高小麦产量和质量具有重要意义。 　　传统农业生产中，目视诊断是小麦病害的常用识别方法，在小麦生产管理中发挥了重要作用。但目视诊断结果与诊断者的知识背景、诊断经验具有非常大的关系，而实际生产中，往往有经验的诊断人员较少，导致病害不能得到及时诊断。近年来，随着图像处理技术的发展，利用该技术进行小麦病虫害病理特征的自动提取以及在线实时智能识别，成为一个新的研究热点。由于病害种类及特征繁多，传统的图像处理技术在病害的识别精度和效率方面还有很大提升空间[3-5]。 　　随着神经网络的发展，研究者已成功将神经网络应用于图像模式识别和降维处理[6 ，7]。在此基础上，有研究者综合利用图像处理和神经网络技术进行小麦病害识别研究，取得了较大的进展。如：余秀丽等利用支持向量机对3种小麦叶部常见病害进行识别[8]；李冠林等[9]利用 K-means 硬聚