基于深度学习的农作物病虫害识别方法

传统的农作物病虫害识别方法具有鲁棒性差、识别准确率低等问题,而卷积神经网络具有自动提取图像特征、泛化能力强、识别准确率高等特点。快速准确地识别出农作物病虫害类型不仅可以减少病害给农民带来的损失,还可以降低农药对生态环境带来的影响。因此找到一种简单易行的检测方法来快速检测农作物病虫害类型很有意义。基于此,笔者在实验中采用了一种基于残差网络改进的卷积神经网络,并以公开的植物数据集影像作为实验的数据集来训练神经网络,且引入了Xception、VGG-16网络模型进行比较,实验结果证明:笔者所提出的神经网络模型识别准确率达到了98.6%,高于xception的93%、VGG-16的95%。