基于轻量化Inception-V3 CNN模型的玉米真菌病害智能诊断研究

来自全球粮食安全关键作物——玉米的病害防控需求，研究人员创新性地优化了Inception-V3卷积神经网络(CNN)架构，通过精简神经网络层数实现了玉米大斑病、普通锈病、灰斑病和茎腐病等真菌病害的高效识别。该模型平均预测准确率达96%，F1分数最高达1.00，为农业病害评估提供了兼具轻量化与高精度的机器学习解决方案。

　　在粮食安全领域举足轻重的玉米作物，正面临着真菌病原体引发的毁灭性威胁。这项突破性研究巧妙改造了经典Inception-V3卷积神经网络(CNN)架构，通过神经层数最小化的创新设计，成功建立起针对玉米大斑病、普通锈病、灰斑病和茎腐病的智能诊断系统。令人振奋的是，这个"瘦身版"模型不仅保持了顶尖性能——平均准确率高达96%，更在特异性指标上表现惊艳：茎腐病和健康植株的F₁分数均达到完美1.00，而大斑病(0.91)、普通锈病(0.98)和灰斑病(0.91)的识别精准度同样亮眼。特别值得注意的是，模型对普通锈病的识别精确度(precision)达到0.99，茎腐病更实现100%的召回率(recall)。这项研究为农业植保领域提供了革命性的轻量化工具，使得算力有限的田间设备也能实现实验室级病害诊断，标志着人工智能技术在精准农业应用中的重要突破。