基于卷积神经网络的荔枝病虫害图像识别技术研究.pdfVIP

基于卷积神经网络的荔枝病虫害图像识别技术研究

姚松林

（广东茂名幼儿师范专科学校，广东茂名525000）

摘要：荔枝病虫害是影响荔枝产量和质量的主要问题之一。传统的荔枝病虫害检测需要专业的知识

和经验。随着深度学习技术的发展，利用深度学习算法对荔枝病虫害图像进行自动化识别已成为一种

高效、准确、便捷的监测方法。提出了一种基于卷积神经网络的荔枝病虫害图像识别方法，通过构建

卷积神经网络模型，实现了荔枝病虫害的自动化检测。实验结果表明，提出的方法在准确率上有优异

的表现。

关键词：卷积神经网络；荔枝；病虫害识别

1概述支持。

荔枝是一种广受欢迎的热带水果，被广泛种植和消2相关技术

售。然而，荔枝在生长和储存过程中易受多种病虫害的研究涉及的主要技术包括深度学习技术和图像识

影响，产生生长发育不良、果实变形和腐烂等问题，这别技术。深度学习技术是一种基于神经网络的机器学

严重影响了荔枝的产量和质量。因此，及早发现和治理习方法，可以通过学习数据中的规律和特征来实现对

荔枝病虫害对于保障荔枝生产的顺利进行具有重要数据的分类、识别和预测等任务。深度学习技术的主

意义。要优点是可以自动化地提取高级特征，避免了传统方

传统的荔枝病虫害监测方法通常需要人工采样、分法中手动设计特征的繁琐过程。因此，该技术在图像

离和鉴定。这种方法既费时又费力，并且存在一定的误识别、自然语言处理和语音识别等领域都得到了广泛

判率。随着深度学习技术的发展，使用深度学习算法对的应用。

[4]

荔枝病虫害图像进行自动化识别已成为一种高效、准确在深度学习技术中，卷积神经网络（CNN）是一

和便捷的监测方法。种广泛应用于图像识别任务的深度学习模型。CNN通过

目前，国内学者在病虫害图像识别这一领域已经做多层卷积和池化操作对图像特征进行提取，然后通过全

了不少研究，但是对农作物的研究对象主要集中在水连接层执行分类或回归等任务。近年来，一些经典的

稻、小麦、苹果等。荔枝病虫害图像识别技术很少，目CNN模型，例如，LeNet-5[5]、AlexNet[6]、VGG[7]等，已

[1]

前没有开展深入的研究。金俊霖提出了基于进化算法经被证明在图像识别任务中取得了非常优异的表现。在

及SVM的龙眼病虫害特征提取与分类识别技术，并将此将选择一种合适的CNN模型作为荔枝病虫害图像识

其应用到荔枝的病虫害识别上，探索了荔枝病虫害识别别模型。

[2]

的新方法。欧善国等探讨了利用荔枝病虫害图像识别图像识别技术是一种应用广泛的计算机视觉技术，

技术构建新型病虫害气象防御体系的方法，为荔枝种植可以对图像中的物体或场景进行自动化识别和分类。

[3]

户提供荔枝病虫害图像智能识别服务。彭红星等提出图像识别技术的主要应用包括人脸识别、车牌识别、