摘要：【目的】農(nóng)作物生長(zhǎng)過(guò)程中,作物產(chǎn)量會(huì)受到各種病害影響,實(shí)現(xiàn)自動(dòng)精準(zhǔn)地識(shí)別農(nóng)作物病害以及病害程度的測(cè)定是農(nóng)作物病害防治的關(guān)鍵?！痉椒ā课恼略O(shè)計(jì)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害的識(shí)別方法并建立了農(nóng)作物病害識(shí)別模型,模型利用10種作物中常見(jiàn)的59種病害類型的葉片圖像數(shù)據(jù)集進(jìn)行訓(xùn)練,并對(duì)模型的訓(xùn)練過(guò)程和訓(xùn)練結(jié)果進(jìn)行評(píng)估?！窘Y(jié)果】(1)農(nóng)作物病害識(shí)別模型對(duì)59種病害類型的總識(shí)別精度達(dá)到0.83,部分類別的識(shí)別率高于0.9;(2)當(dāng)訓(xùn)練的迭代次數(shù)增加到50輪以上時(shí),農(nóng)作物病害識(shí)別模型的性能不再提升,此時(shí)數(shù)據(jù)集圖像的數(shù)量對(duì)模型性能的影響較大?！窘Y(jié)論】實(shí)驗(yàn)證明,利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行農(nóng)作物病害識(shí)別具有較高的可行性和準(zhǔn)確性,為農(nóng)作物病害的防治打下基礎(chǔ)。