基于改进卷积神经网络的田间水稻叶片病害图像识别方法研究
李宛玉
赵嫚
贺珂
郑州经贸学院大数据与人工智能学院 河南郑州 450000;河南省多模态感知与智能交互技术工程研究中心 河南郑州 450000
摘要：水稻叶片病害特征复杂多样,不同病害在不同环境下表现出的特征差异较大.对于一些具有特殊纹理或细节特征的病害图像,传统的卷积神经网络由于卷积核固定,缺乏自适应调整能力,难以全面、精准地提取这些关键特征.一旦面对新的、未曾见过的病害特征,其识别性能会大幅下降.为此,文章提出了一种基于改进卷积神经网络的田间水稻叶片病害图像识别方法.通过构建多样数据集,平滑锐化图像,引入自适应卷积策略实现全面提取特征.同时结合加权交叉熵损失函数与XGBoost,最终实现病害图像识别.实验结果表明,该方法能准确识别绝大多数样本,且错误归类率低,展现了较好的识别准确性和泛化能力.
关键词：改进卷积神经网络田间水稻叶片病害图像图像识别病害特征
资助基金：校级教改项目(jg2432)校级青年科研基金项目(QK2216)
论文发表日期：2025-08-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 18-21 )