《表1 农作物病害训练集：基于卷积神经网络的农作物病害识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的农作物病害识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

该研究中的图像数据来源于AI Challenger 2018比赛中的植物病害数据集，对苹果、樱桃、玉米、葡萄、柑橘、桃树、辣椒、马铃薯、草莓和番茄10种植物的病害重新整理划分，将每种植物的健康叶片作为负样本加入到数据集中，避免网络的过拟合现象。数据集最终包含35 861张不同尺寸的病害叶片图像，由于神经网络要求输入图像的尺寸必须统一，因此利用图像填充法填充图像后再将尺寸缩放成227×227像素大小的图像。10种农作物的数据集中，由于一些疾病初期和后期的表现症状相差比较大，因此对这些不同程度的疾病分为不同类别，共59种类别，部分样本图像。如图1所示，部分典型病害根据特征是否明显划分为一般程度和严重程度，但像番茄花叶病毒病的发病程度外观不明显则作为一个类别。根据不同类别，整理网络所需要的数据，加入健康叶片作为负样本之后样本类别为59类，总数量为35 861张图像，如表1所示，并按照7∶1的比例将数据集样本划分为训练集31 370张图像和测试集4 491张图像。