CNN与BiLSTM相结合的水稻病害识别新方法

来源：江苏农业科学杂志2023年第第20期北京时间：

作者：路阳;刘婉婷;林立媛;张欣梦 ;管闯

单位：1.黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆 163319； 2.东北石油大学黑龙江省网络化与智能控制重点实验室，黑龙江大庆163318；3.东北石油大学人工智能能源研究院，黑龙江大庆 163318； 4.东北石油大学三亚海洋油气研究院，海南三亚 572024

摘要：针对水稻病害图像识别中浅层特征无法记忆、深层特征提取不充分、序列特征鲁棒性较弱等问题，提出一种将CNN与BiLSTM相结合的水稻病害识别新方法。首先，利用卷积神经网络自动提取水稻病害的浅层特征；然后，利用BiLSTM中各个循环单元之间的反馈链接可以充分挖掘和记忆水稻特征序列数据中的上下文相关信息和位置信息的优势，将浅层特征与序列特征结合形成一个新的特征序列，解决了特征无法记忆、提取不足的问题；最后，使用全局平均池化层代替全连接层，以减少参数、防止过拟合。针对自建的水稻病害数据库，试验结果显示：所提出模型的水稻病害平均识别精确率达到了99.38%，与CNN和CNN-LSTM模型相比，所提出模型分别提高0.63、1.38百分点。同时，在召回率和F1值上也显现出了优势，分别达到99.42%、99.39%。因此，所提出的方法提升了水稻病害识别精确率，可应用于实际的水稻病害诊断中。

关键词：水稻病害;图像识别;长短期记忆神经网络;卷积神经网络;深度学习