摘要
由病原真菌引起的谷物病害会显著降低作物产量。许多文化都与他们接触。这种疾病很难大规模控制;因此，相关的方法之一是农田监测，这有助于在早期发现病害，并采取措施防止其传播。基于数字图像分析的疾病识别是有效的控制方法之一，利用移动设备可以在野外条件下获取数字图像。在这项工作中，我们提出了一种识别小麦芽的5种真菌病害(叶锈病、茎锈病、黄锈病、白粉病和septoria)的方法，分别或多重病害，并有可能识别植物发育阶段。生成2414张小麦真菌病害图像(WFD2020)，根据病害类型进行专家标记。数据集中80%以上的图像对应于单一疾病标签(包括幼苗)，12%以上的图像代表健康的植物，6%的标记图像代表多种疾病。在建立训练集的过程中，采用了一种基于图像哈希算法的方法来减少训练数据的退化。疾病识别算法是基于卷积神经网络和EfficientNet架构的。采用基于图像风格增强和转移的训练策略的网络显示出最佳的准确率(0.942)。该识别方法在Telegram平台上以机器人的形式实现，允许用户通过野外条件下的病变来评估植物。
关键词:小麦;叶锈;白粉病;septoria;茎锈病;条锈病;图像识别;深度学习;卷积神经网络;表现型
1、介绍
【1】小麦是世界上主要的农作物和人类消费的食物来源之一
【2】小麦的种植面积最大，世界上大多数国家的人口的粮食安全取决于它的产量。影响小麦产量的主要因素之一是真菌病:锈病、叶和穗隔病和白粉病(Figure 1).
