基于生成对抗网络和改进VG166的遮挡葡萄叶片病害识别

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：姜月明;谢春寒;王健

单位：东北林业大学计算机与控制工程学院，黑龙江哈尔滨 150040

摘要：针对真实条件下葡萄叶片存在易于相互遮挡、难以平铺和病斑大小不一导致的传统病害识别方法准确度不高等问题，提出了一种基于生成对抗网络的遮挡葡萄叶片病害识别方法。通过数据增强技术(如裁剪图像大小、调节图像亮度、添加高斯噪声等)对健康、黑腐病、黑麻疹病和叶枯病4类葡萄叶片图像数据集进行扩充，得到26 810张葡萄叶片图像样本，以此提升模型的鲁棒性。通过分析不同葡萄叶片病斑的差异以及多种经典网络模型的结构性能，最终选取VGG16网络作为基础网络结构，通过添加SK模块以及将全连接层改为全局平均池化对其进行改进，以此提升网络的表征能力和识别效率，但仍无法解决遮挡情况下葡萄叶片病害识别准确率低的问题。为了提高遮挡叶片的病害识别准确率，运用生成对抗网络对遮挡后的叶片进行修复，最终运用改进后的VGG16网络模型对遮挡下的葡萄叶片进行病害识别。结果表明，经生成对抗网络修复后的叶片病害平均识别准确率高达94.16%，相较于遮挡后的平均识别准确率提高2.83百分点。综上，本研究方法提高了真实情况下的遮挡葡萄叶片病害识别准确率，为葡萄叶片病害精准识别提供了新的方法，也为深度学习与农作物监测的有效结合提供了相关参考依据。

关键词：病害识别;葡萄叶片;遮挡;生成对抗网络;改进VGG16模型;深度学习;黑腐病;黑麻疹病;叶枯病