成 果 简 介

应用场景

黑龙江省地处我国最北部，处于中纬度欧亚大陆东沿，太平洋西岸，北面临近寒冷的西伯利亚，南北跨中温带与寒温带，属于高纬度大陆性季风气候。总体气候特征四季分明，冬季漫长而寒冷，夏季短暂而炎热，而春、秋季节气温升降变化快，属于过渡季节，时间较短。受地理环境、海陆气团和季风的交替影响，各季气候差异十分显著。冬季在极地大陆气团控制下，气候寒冷干燥；夏季受副热带海洋气团影响，降水充沛，气候温热；春、秋两季因冬、夏季风交替影响，气候多变，春季多大风，降水少，易干旱；秋季降温剧烈，常有霜冻灾害。

虽然气候多变，但黑龙江省土地肥沃，大部分地区都是具有强烈胀缩和扰动特性的粘质土壤。因此，玉米作为生长周期较短，产量较高，品种丰富的经济作物成为黑龙江省的主要农业种植产品。

主要解决的问题

由于黑龙江省气候多变，夏季温热，加之近年来温室效应不断加剧，各种玉米病害时有发生，大大降低了我省玉米作物产量。玉米病害的快速精准识别尤为重要。

技术要点

1、病害叶片图像采集

大量采集黑龙江省各种玉米作物叶片病害图像。将采集到的玉米叶片病害样本图像按种类分组，按照确定的图像尺寸对采集分类的病害样本图像进行尺寸标准化处理。

2、确定技术方案

根据叶片病害图像的种类及特征，选取合适的预处理方法对标准化处理后的病害样本图像进行预处理。将样本数据集按照一定比例分为训练集和测试集。构建叶片病害图像AlexNet神经网络识别模型。

3、网络训练

应用Matlab 2019b软件编程实现AlexNet神经网络识别模型的构建。使用训练样本集对网络进行训练，采用测试样本集对网络进行测试。

4、应用测试

采集一定数量的新的玉米叶片病害样本对网络进行测试，推广应用成果。

应用成效

目前该项技术仍处于实验室研究阶段，尚未有应用实例。

适用范围

该项技术主要适用于黑龙江省玉米叶片病害的快速识别。也可推广到其他地区和农作物叶片病害的识别应用当中。

附 图

以玉米常见的8种病害为列，采用AlexNet神经网络验证通过叶片识别病害的可行性。

玉米病害种类1

玉米病害种类2

玉米病害种类3

玉米病害种类4

玉米病害种类5

玉米病害种类6

玉米病害种类7

玉米病害种类8

采用AlexNet神经网络训练以上8种玉米病害图像，样本图像数量共计1296幅，三次训练的结果如下：

（1）第一次

训练过程图

训练结果

（2）第二次

训练过程

训练结果

（3）第三次

训练过程

训练结果

经过进一步迭代运算，使用AlexNet神经网络对8种玉米病害的识别率在95%以上。

联 系 人：孟庆焕

联系电话：0451-82190721