基於AlexNet神經網絡模型的玉米葉片病害識別技術應用案例

來自 搜狐網 的圖片

基於AlexNet神經網絡模型的玉米葉片病害識別技術應用案例黑龍江省地處我國最北部，處於中緯度歐亞大陸東沿，太平洋西岸，北面臨近寒冷的西伯利亞，南北跨中溫帶與寒溫帶，屬於高緯度大陸性季風氣候。

目錄

一、應用場景

總體氣候特徵四季分明，冬季漫長而寒冷，夏季短暫而炎熱，而春、秋季節氣溫升降變化快，屬於過渡季節，時間較短。受地理環境、海陸氣團和季風的交替影響，各季氣候差異十分顯著。冬季在極地大陸氣團控制下，氣候寒冷乾燥；夏季受副熱帶海洋氣團影響，降水充沛，氣候溫熱；春、秋兩季因冬、夏季風交替影響，氣候多變，春季多大風，降水少，易乾旱；秋季降溫劇烈，常有霜凍災害。

雖然氣候多變，但黑龍江省土地肥沃，大部分地區都是具有強烈脹縮和擾動特性的粘質土壤。因此，玉米作為生長周期較短，產量較高，品種豐富的經濟作物成為黑龍江省的主要農業種植產品。

二、主要解決的問題

由於黑龍江省氣候多變，夏季溫熱，加之近年來溫室效應不斷加劇，各種玉米病害時有發生，大大降低了我省玉米作物產量和品質。玉米病害的快速精準識別尤為重要。該技術可以幫助農民在玉米病害發生的早期快速準確地診斷病害種類，及早進行對症防治，儘可能降低玉米病害所帶來的經濟損失。

三、技術要點

1、病害葉片圖像採集

在黑龍江省雙城市、呼蘭縣、巴彥縣和肇東市等玉米主要產區大量採集全省種植面積在100萬畝以上的幾種主要玉米作物的常見葉片病害圖像。將採集到的玉米葉片病害樣本圖像按種類進行分組，按照確定的圖像尺寸對採集分類的病害樣本圖像進行尺寸標準化處理，建立玉米葉片病害數據集。

2、確定技術方案

根據葉片病害圖像的種類及特徵，選取合適的預處理方法對標準化處理後的病害樣本圖像進行預處理。將樣本數據集按照7:3的比例劃分為訓練集和測試集。利用Matlab 2019b中提供的用於神經網絡設計和分析的DeepNetworkDesigner工具箱構建玉米葉片病害圖像AlexNet神經網絡識別模型。

3、網絡訓練

按照玉米病害數據集中所包含的玉米病害種類，對玉米葉片病害圖像AlexNet神經網絡識別模型的輸出層參數進行設置。將設置好的葉片病害圖像AlexNet神經網絡識別模型製作成可供調用的m文件。使用訓練樣本集對網絡進行訓練，採用測試樣本集對網絡進行測試。

4、應用測試

採集一定數量的新的玉米葉片病害樣本組成驗證集，使用驗證集數據對訓練好的葉片病害圖像AlexNet神經網絡識別模型進行驗證測試，推廣應用成果。

5、數據集擴充

在使用過程中，根據實際應用情況，不斷擴充數據庫中玉米葉片病害數據的種類和數量，改進和完善玉米葉片病害圖像AlexNet神經網絡訓練模型，提高病害識別準確度。

四、應用成效

目前該項技術仍處於實驗室試驗應用階段，尚未有應用實例。

五、適用範圍

該項技術主要適用於黑龍江省種植的玉米作物常見葉片病害的快速識別。也可推廣到其他地區及其他農作物葉片病害的識別應用當中。