基于深度学习的农作物病害识别系统研发

针对广大农户和基层植保人员对作物病害识别困难的问题，以苹果、玉米、葡萄和番茄4种作物18种病害为研究对象，采用VGG16和Resnet50建立识别模型。通过数据预处理、数据增强、模型参数优化、模型交叉验证等，构建单作物多病害识别和多作物多病害识别模型。性能对比结果表明VGG16识别性能优于Resnet50,VGG16模型的识别正确率都达到96%以上。对VGG16识别模型分析后发现根据作物发病特点建立的单作物多病害识别模型性能更好。因此，本文提出分类建立单作物多病害识别模型的方法，结合智能手机、Web技术和网络编程技术，研发一个农作物病害智能识别系统。本系统可为用户提供精确的识别结果、病害知识和防治方法。系统的Socket网络服务可作为独立模块，为农业机器人、智能农机、无人机、农业专家系统等提供统一的作物病害识别接口。本研究可为农业植保信息化和智能化提供技术支撑。