摘要： 针对苹果病害自动识别精度低、高延迟问题,以苹果锈病和斑点落叶病作为研究对象,基于卷积神经网络建立苹果病害诊断系统。采用旋转、锐化、模糊等数据增强方法扩展数据集,使用数据标准化方法优化模型的数据输入,在算法模型上,在GooLeNet模型的基础上减少inception模块上的数量,并优化模型前段的网络结构以捕获更多的特征信息,最后系统依据建立的算法模型和Tornado框架构建病害识别网络视图。试验结果表明:GoogLeNet改进模型的精准率提高2.1%,达到98.4%,模型参数仅为原模型的17.5%,实现苹果病害实时、便利的图像自动识别,为苹果病害防治防控提供可靠的参考依据。

关键词: 苹果叶病识别, 数据增强, GoogLeNet改进模型, Tornado框架