植物生理学与病理学杂志

利用卷积神经网络诊断水稻常见疾病

张

水稻病害已成为农作物种植的主要障碍，每年导致 20-40% 的水稻作物损失。这导致发展中国家对其他作物的依赖增加，粮食不安全状况加剧。此外，许多农民缺乏知识和资源来抑制病原体对水稻的加剧影响。减少这种影响的一个关键步骤是提供有效可靠的诊断。在过去十年中，卷积神经网络 (CNN) 因其在诊断技术上的成功而越来越受欢迎。该项目的目的是创建一个有效的 CNN 模型，该模型使用图像分类来诊断患病水稻的图像。实验中确定了四个类别，包括稻瘟病、纹枯病和褐斑病。CNN 中还使用健康水稻的数据集作为控制变量。超过 3000 张水稻图像被训练到神经网络中，其中 499 张图像（约占 15%）用于测试数据集。使用最佳 CNN 模型在测试数据集上实现了 97.39% 的准确率。该项目适用于诊断技术有限的贫困农村地区，并展示了机器学习在植物病理学领域的应用前景。