来源：期刊VIP网 时间：
作者：崔佳鹏;徐宏扬;付亚萍;
单位：黑龙江省农业机械工程科学研究院绥化分院;黑龙江省农业科学院大豆研究所;
摘要：传统卷积神经网络对于水稻病害识别存在局限性，特别是在寒地水稻病斑位置识别方面。为此，提出了一种改进型轻量级深度学习网络模型，建立了一个包含5种常见寒地水稻叶部病害图像的数据集，并构建了病害分类和病斑目标检测网络模型；将图像分类网络嵌入YOLOv3目标检测网络中，并对模型的特征提取部分进行了优化，采用转置卷积和空洞卷积进行上采样和下采样；最后，对比了改进后的YOLOv3模型与传统的卷积神经网络模型。试验结果表明，病害分类模型在各项指标上均表现出色，平均召回率、平均精度、平均F1-Score和总体准确率分别为93.64%、93.74%、93.77%和93.64%。改进后的YOLOv3模型在病斑检测方面也表现出色，平均检测精度(mAP)达到89.79%,检测率(DR)达到94.94%,检测速度达到64.9 f/s,综合性能明显优于传统的YOLOv3算法，为水稻病害的准确快速识别提供了新途径，对水稻病害的监测和防治具有重要意义。
关键词：寒地水稻病斑识别;;卷积神经网络;;目标检测;;图像分类
基金资助：黑龙江省农业科技创新跨越工程项目(CX22YQ17)
