基于深度学习的农作物病害识别方法研究

作     者：张行星 张行钊 王莎 刘昌盛 黄佳文 

作者机构：湖北工业大学工程技术学院湖北武汉430068 湖北省电力勘测设计院湖北武汉430000 湖北工业大学湖北武汉430068 

出 版 物：《数字农业与智能农机》 (Digital Agriculture and Intelligent AgricuItural Machinery)

年 卷 期：2024年第2期

页      面：80-83页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：深度学习 农作物病害 检测识别 

摘      要：随着计算机视觉技术不断发展,识别检测已为热门研究方向。我国作为农业大国,广泛存在农作物病害问题,如何有效检测识别农作物中的病害一直是个技术难题。传统的病害识别方法需要消耗大量的人力和物力,且识别的精度不高。随着深度学习技术用于农业领域,农作物病害检测识别精度大幅提升,但检测精度参差不齐,因此找到具有强鲁棒性且识别精度高的网络意义重大。基于Faster RCNN的算法原理和特点,对Faster RCNN进行网络构架和数据训练,对不同农作物的病害进行分类识别并对比,得到的Faster RCNN网络具有较好的识别精度,适合对农作物病虫害进行识别检测。