35、南瓜叶病害检测：卷积神经网络在图像分类上相较于传统机器学习的优势

南瓜叶病害检测：卷积神经网络在图像分类上相较于传统机器学习的优势

1. 引言

在以农业为基础的国家，农业部门对经济增长起着至关重要的作用。以孟加拉国为例，农业部门贡献了约 14%的国内生产总值（GDP），并雇佣了约 40%的劳动力。南瓜是该国广泛种植的重要蔬菜之一，2018 - 2019 年，巴里萨尔、吉大港和达卡的南瓜总产量分别为 7221、62515 和 49250 公吨。

然而，南瓜叶病害正给孟加拉国带来农业和经济上的损失。由于真菌、细菌和植原体等原因，约 352 公吨的南瓜产量受损。常见的南瓜叶病害包括木瓜环斑病毒（PRSV）、蔓枯病（GSB）和西葫芦黄花叶病毒（ZYMV）。ZYMV 和 PRSV 的症状为严重花叶、变形、起泡和叶片变小；GSB 感染的叶片会出现水渍状，形成深褐色病斑，边缘变褐并向基部坏死。

传统的肉眼识别南瓜叶病害较为困难，而深度学习方法在处理大量数据时，能自动将训练部分与特征提取方法相结合，准确率较高。本文旨在利用深度学习技术，如卷积神经网络（CNN），结合 KNN、SVM、决策树和朴素贝叶斯算法，识别南瓜叶病害并将其分为四类：健康叶、PRSV 感染叶、ZYMV 感染叶和 GSB 感染叶。

2. 文献综述

视觉数据分类对农业发展至关重要，已有许多将图像处理应用于农业病害检测的研究：
- 菠萝蜜病害识别 ：使用 480 张彩色图像作为数据集，通过双三次插值调整图像大小，直方图均衡化增强对比度，k - 均值聚类分割图像，最后使用九种分类器进行分类。其中，随机森林准确率最高，为 92.5%，KNN 最低，为 70.42%。
- 番茄叶病害识