湖北农业科学 ›› 2026, Vol. 65 ›› Issue (11): 189-193.doi: 10.14088/j.cnki.issn0439-8114.2026.11.032
孙小广1, 万若楠1, 余光正2
SUN Xiao-guang1, WAN Ruo-nan1, YU Guang-zheng2
摘要: 为了克服传统农作物病虫害识别方法耗时费力、主观性强且易误判的局限,提升识别的准确率,基于深度学习构建了一种智能化识别系统。首先,以PlantVillage数据集为基础,通过几何变换、颜色变换以及标准化与归一化处理,完成数据增强与预处理,以增强模型泛化能力。其次,对比LeNet、AlexNet、VGG16、GoogLeNet、ResNet 5种经典卷积神经网络模型在数据集上的表现,选择识别准确率最高的VGG16作为基线模型;针对ReLU激活函数易导致“神经元死亡”的缺陷,将其替换为LeakyReLU激活函数,构建L-VGG16模型。在MATLAB R2022a平台上进行训练与测试,结果显示,L-VGG16模型的识别准确率明显高于VGG16模型,达94.05%。系统仿真输出表明,该模型可同步识别作物种类、病害及严重程度,具备良好的多属性综合识别能力。
中图分类号: