基金项目:国家重点研发计划项目(2018YFC1903101)收稿日期:2021－04－19修回日期:2021－04－22第40卷第2期计算机仿真2023年2月文章编号:1006－9348(2023)02－0214－04基于深度学习的马铃薯病害智能识别陈从平1，钮嘉炜1，丁坤1，姜金涛2(1．常州大学机械与轨道交通学院，江苏常州213164;2．内蒙古智诚物联股份有限公司，内蒙古乌兰察布012000)摘要:针对现有通过叶片病斑识别马铃薯病害的方法中，只对简单背景下的单片叶片进行病害识别处理，难以应用于真实复杂环境的问题，提出了一种基于深度学习的现场环境下马铃薯病害智能识别的方法。首先采用Deeplabv3+语义分割网络在生长背景中分割出马铃薯叶片，然后使用自适应对比度增强和颜色空间转换的方法提取马铃薯病斑，最后结合病斑的纹理特征和VGG16网络提取的特征，通过搭建一维卷积神经网络识别出病害。实验结果表明，上述方法能准确有效地识别复杂背景下的马铃薯病害。关键词:病害识别;语义分割;特征融合中图分类号:TP183文献标识码:BIntelligentIdentificationofPotatoDiseasesBasedonDeepLearningCHENCong－ping1，NIUJia－wei1，DINGKun1，JIANGJin－tao2(1．SchoolofMechanicalEngineeringandＲailTransit，ChangzhouUniversity，ChangzhouJiangsu213164，China;2．InnerMongoliaZhichengIOTCo．，Ltd．，UlanqabInnerMongolia012000，China)ABSTＲACT:Inviewoftheexistingmethodsofidentifyingpotatodiseasesbyleafspot，itisdifficulttoapplytoarealandcomplexenvironment，andonlyasingleleafundersimplebackgroundisidentifiedandprocessed．Amethodofin-telligentidentificationofpotatodiseasesinafieldenvironmentbasedondeeplearningisproposed．First，theDeeplabv3+semanticsegmentationnetworkwasusedtosegmentthepotatoleavesinthegrowingbackground，andthenthepo-tatolesionswereextractedusingthemethodofadaptivecontrastenhancementandcolorspaceconversion．Finally，combiningthetexturefeaturesofthelesionsandthefeaturesextractedbytheVGG16network，thediseasewasidenti-fiedbybuildingaone－dimensionalconvolutionalneuralnetwork．Experimentalresultsshowthatthismethodcanac-curatelyandeffectivelyidentifypotatodiseasesinacomplexbackground．KEYWOＲDS:Diseaserecognition;Semanticsegmentation;Featurefusion1引言马铃薯生长过程中出现的各种病害严重影响了...
