基于深度学习的玉米病虫害智能诊断系统开发

姚强; 付忠军; 李君保; 吕斌; 粟超; 郭彩霞; 《南方农业 》 2023

摘要：使用自定义CNN和DenseNet201两种基于深度学习的网络,对大斑病、南方锈病、玉米黏虫、玉米蚜虫、玉米叶螨等10种常见玉米病虫害图像样本开展模型训练,并对部分训练结果进行了对比分析.发现所得val_accuracy大于0.8的模型中,基于CNN网络的模型相对稳定,val_loss值相对较小,说明在特定情况下基于CNN网络的模型收敛性相对较好,但DenseNet201网络更容易取得较高准确率的模型.面向Android系统开发基于深度学习的玉米病虫害智能诊断系统,并对系统开展诊断结果验证.验证结果:系统对于小斑病、纹枯病、茎腐病3种病害的诊断错误率较高,泛化能力不足.结论:开发基于深度学习的玉米病虫害智能诊断系统是可行的,但还需进一步调整完善.

关键词： 玉米病虫害 深度学习 CNN DenseNet201 智能诊断系统