最新一代卷积神经网络(CNNs)在图像分类领域取得了令人瞩目的成果。本文研究了一种基于深度卷积网络的植物病害识别模型的建立方法。新颖的训练方式和所采用的方法有助于在实践中快速简便地实施。该模型能从健康叶片中识别出13种不同类型的植物病害，并能区分植物叶片和周围环境。

神经网络的简单模型

用于增强的图像变换：(a)仿射变换;(b)透视变换;(c)旋转

训练分类模型中特征的可视化

本文全面描述了实现这一病害识别模型所需的所有基本步骤。Caffe是berkeley Vision and learning Centre开发的深度学习框架，用于进行深度CNN训练。该模型的实验精度在91% ~ 98%之间，单独分类测试的平均精度为96.3%。

输出图层图像

每类预测精度各不相同

来源：

Sladojevic S, Arsenovic M, Anderla A, et al. Deep Neural Networks Based Recognition of Plant Diseases by Leaf Image Classification. Computational Intelligence and Neuroscience. https://doi.org/10.1155/2016/3289801.

点击图片，了解详情