基于深度学习的玉米叶片病害识别方法研究

玉米叶片病害的及时识别和防治对保障玉米产量和质量具有重要意义。提出一种基于深度学习的玉米叶片病害识别方法,并开发了相应的移动应用。使用YOLOv5s、YOLOv5m、YOLOv5l、ResNet18、ResNet34、ResNet50、EfficientNet_b0、EfficientNet_b1、EfficientNet_b2共9个深度学习模型,对包含普通锈病、枯萎病、灰色叶斑和健康叶片四类的玉米叶片病害图像进行训练和识别,比较不同模型在识别准确率、识别速度和模型大小方面的性能,结果表明EfficientNet_b0模型具有最高的平衡准确率(96.3%)和较低的模型复杂度。基于EfficientNet_b0模型开发了安卓平台的移动应用,该应用能够实现对玉米叶片病害的实时识别或加载相册图片识别,并给出相应的类别名称和置信度、病害介绍以及建议防治措施,为玉米种植者提供了一种便捷、高效和智能的玉米叶片病害诊断工具,有助于提高玉米生产的效率和质量。