基于深度学习的苹果病虫害识别投票模型

赵哲宇，张子涵，韩 莹

浏览次数：302次 下载次数：0次

【摘要】为了增加农业收入，减少病虫害对农业作物的影响，及时准确地发现并鉴定病虫害，试验以苹果为例，对苹果 的 3 种典型病虫害（苹果黑星病、苹果锈病，苹果黑腐病）叶片进行检测，即使用公开数据集 Plantvillage 中的 4645 张图片， 并将图片按叶片黑星病、锈病、黑腐病为类型进行标注，通过深度学习 YOLO-v4 和 VGG16 组成的投票模型对苹果叶片进行 了训练、验证、测试和评估。结果表明：用于投票模型的两种迭代次数的 YOLO-v4 模型取得了平均 87.30% 的识别准确度； 两种迭代次数的 VGG16 模型取得了平均 83.38% 的识别准确度。上述 4 个模型共同构成的投票模型对 3 种植物病害的识别精 度达到该系统对苹果黑星病、苹果锈病、苹果黑腐病的识别精度分别为：95.34%、85.71% 和 95.24%，平均精度为 92.06%； 利用该模型可在苹果出现病虫害时，简单快捷地对病虫害种类进行辨别。

【关键词】深度学习；苹果；病虫害；YOLO-v4；VGG16：投票模型

【中图分类号】S68;TP391.41    【文献标识码】A  【DOI】10.12325/j.issn.1672- 5336.2022.09.021