DOI：10.3969/j.issn.1672-3872.2025.13.009
基金项目：2024年新疆科技学院产教融合与新商科发展研究中心第二批招标项目“基于产教融合、科教融汇的农业智能化发展研究” 研究成果（2024-KYJD05）
作 者：曹冰玉 ，周 鹏（新疆科技学院信息科学与工程学院，新疆 乌鲁木齐 841000）
摘 要：【目的】实现库尔勒香梨病虫害的自动识别，提高识别效率和准确性。【方法】基于卷积神经网络架构，结合MobileNet模型，通过调整输出层的全连接尺寸，构建了库尔勒香梨病虫害分类模型。并以精度（P）、准确率（A）、召回率（R）、特异性（S）和F1作为模型的评价指标，将收集的1 500张库尔勒香梨树叶图像按6∶1∶3的比例划分为训练集、验证集、测试集进行模型性能测试。【结果】该模型能有效识别梨锈病、黑斑病、褐斑病、轮纹病和灰斑病5种病害，平均准确率高达0.98，micro-P、micro-R和micro-F1指标也分别达到了0.99、0.97和0.99，各项性能指标均表现优异。【结论】采用CNN对库尔勒香梨病虫害进行识别有助于实现库尔勒香梨产区的智能化、实时化病虫害监测与精准防治，提升果品产量与质量，保障香梨产业的健康发展。
关键词：库尔勒香梨；图像识别；病虫害；迁移学习；卷积神经网络
引文信息：[1]曹冰玉，周鹏.基于卷积神经网络的库尔勒香梨病虫害识别研究[J].南方农机，2025，56(13)：38-41.
查看全文请下载PDF文件↓
