基于综合判别特征学习和中层特征监督的农作物病害识别

来源：江苏农业科学杂志2025年第第14期北京时间：

作者：杜海顺;安文昊;张春海;周毅

单位：1.河南大学人工智能学院，河南郑州 450046； 2.河南省车联网协同技术国际联合实验室，河南郑州 450046

摘要：准确识别农作物病害有助于提高农作物的产量和质量，促进农业的可持续发展。大多数基于深度神经网络的农作物病害识别方法没有充分利用网络不同层次的特征对病害进行综合分析，且对病害的细节信息关注不足。为了有效利用深度神经网络提取的不同层次的特征来更准确地识别农作物病害，提出了一种基于综合判别特征学习和中层特征监督的农作物病害识别网络。具体地，该网络由1个主干ResNet50、1个综合判别特征学习模块以及1个中层特征监督分支组成。其中，主干ResNet50负责提取农作物病害图像的浅层、中层以及深层特征；综合判别特征学习模块通过对主干ResNet50提取的不同层次的特征进行分析与综合，得到综合判别特征；中层特征监督分支用于确保含有丰富细节信息的中层特征的判别力。在公共农作物病害数据集AI challenger 2018和Cassava以及自制农作物病害数据集RCP-Crops上，所提出网络识别准确率分别达89.76%、87.95%、98.19%，F1分数分别达89.57%、8777%、98.18%。

关键词：农作物;病害识别;综合判别特征学习;中层特征监督;卷积神经网络