39、利用深度学习进行甘蔗作物病害识别

利用深度学习进行甘蔗作物病害识别

1. 引言

食物是人类生存的主要支柱之一。尽管粮食产量有所增加，但粮食安全仍受到多种因素的挑战，包括气温升高和植物病害等。植物病害不仅影响国家的农业产量，也影响着占农业总产量 80% 的农民的生计。幸运的是，如果能及时准确地诊断，植物病害是可以得到控制的。

过去的植物病害诊断系统依赖于人工观察样本症状来识别病害，这需要专业知识，普通农民难以掌握，而且症状的多样性有时甚至让专家也难以准确诊断。基于人工智能的系统通过图像观察为病害诊断提供了有力辅助。计算机视觉的发展为植物病害诊断带来了新机遇，也拓展了其在精准农业中的应用领域。特别是如果系统价格实惠，农民也能及时诊断病害并采取相应措施，同时也能让经验丰富的病理学家的工作更加精确。

近年来，用于计算机视觉的深度学习，特别是目标分类和检测取得了显著进展。基于 ImageNet 数据集的大规模视觉识别挑战（ILSVRC）已成为各种计算机视觉问题的标准。2012 年，基于卷积神经网络（CNN）的 AlexNet 在 ImageNet 数据集上实现了 16.4% 的前 5 错误率，击败了所有非 CNN 基于的最先进分类模型。随后深度卷积网络的发展将错误率降至 3.57%，证明了基于深度学习的植物病害检测方法的技术可行性和结果的可靠性。这些网络训练时间较长，但训练完成后可以实时对图像进行分类，适合在智能手机上的消费应用。智能手机因其强大的计算能力、先进的相机、高分辨率显示屏和较低的成本，为部署这些系统提供了新途径，使农民仅通过拍摄植物叶子的照片就能诊断病害。

本文聚焦于甘蔗。甘蔗在印度的产量大幅增加，印度已成为世界上最大的糖生产和消费国，这得益于 4500 万甘蔗种植者和庞大的农业劳动力，他们