基于CNN-XGBoost模型的多类型棉花叶片病害识别

来源：江苏农业科学杂志2024年第第13期北京时间：

作者：戴臻;费洪晓

单位：1.湖南科技职业学院软件学院，湖南长沙 4100042； 2.中南大学计算机学院，湖南长沙 410012

摘要：为提高棉花生产和质量，需要对棉花叶片病害进行及时和准确的识别。然而，现有研究方法往往只能处理少数几种常见的病害类型，而无法覆盖更多的病害种类。本研究提出一种基于CNN-XGBoost模型的多类型棉花叶片病害识别方法，该方法能够识别出21种不同的病害类型，涵盖了细菌、真菌、病毒、营养缺乏等多种因素导致的病害。首先，收集约1.2万张棉花叶片病害图像样本，构建一个包含多种类型病害的数据集，对数据集进行预处理和增强操作，增加数据的多样性和难度；其次，设计一个CNN模型，利用卷积层和池化层提取棉花叶片图像的特征向量，将CNN模型的输出作为XGBoost模型的输入，使用XGBoost模型对特征向量进行分类；最后，采用加权交叉熵损失函数作为优化目标，通过反向传播算法更新CNN模型和XGBoost模型的参数。结果表明，本研究提出的CNN-XGBoost模型在21种类型棉花叶片病害上都能达到高精度的识别，平均准确率达到0.98，远高于其他对比方法，为棉花生产者提供了一个实用和高效的植物病害诊断工具，有助于及时发现和处理棉花叶片病害，从而提高棉花产量。

关键词：CNN-XGBoost;棉花叶片病害;多类型病害;加权交叉熵损失函数