针对传统图像处理在农作物病害上应用存在的手工设计特征复杂且低效等问题,研究深度学习算法在农作物病害识别上的表现。农作物病害图片数据集包含40 772张图片,图片包含10种作物品种（苹果、番茄、樱桃、草莓等）的健康样本和26种病害样本,其中23种根据病害程度分为一般、严重两类,共计59种分类样本。采用当今深度卷积神经网络中比较流行的模型ResNet-50以及InceptionV3、MobileNetV2等为基础结构对数据集进行训练与识别。之后从模型结构与训练标签优化等方面对模型进行改进,根据实验数据,模型表现最好的Top-1准确率达到88.10%,Top-5准确率高达99.21%。
