一种基于改进 CNN 的小麦病害识别鲁棒深度学习框架

《Scientific Reports》：A robust deep learning framework for wheat disease identification using modified CNN

　　

摘要

小麦是世界上最重要的粮食作物之一，为数十亿人提供所需的卡路里和关键营养素。然而，许多可能对产量和质量产生负面影响的病害给小麦生产带来了严重障碍。为了及时采取控制措施并避免重大经济损失，早期且准确地识别小麦病害至关重要。本研究提出了一种改进的卷积神经网络（CNN）架构，专门用于小麦作物病害检测。所提出的模型融合了注意力机制、密集连接模式以及一种新颖的特征融合技术，以提高病害诊断的准确性和有效性。研究使用了一个包含患有各种病害的小麦植物图像的海量数据集进行了广泛测试。这些病害包括条锈病、叶锈病、白粉病和叶片斑点病。与其他最先进模型相比，所提出的改进 CNN 模型达到了 97.8% 的总体准确率。结果展示了所提出的方法如何应用于现实世界中的精准农业系统；研究中也探讨了自动化作物监测系统。