基于CNN-XGBoost模型的多类型棉花叶片病害识别  

Recognition of multi-type cotton leaf diseases based on CNN-XGBoost model

作　　者：戴臻[1] 费洪晓 Dai Zhen

机构地区：[1]湖南科技职业学院软件学院,湖南长沙4100042 [2]中南大学计算机学院,湖南长沙410012

出　　处：《江苏农业科学》2024年第13期205-213,共9页Jiangsu Agricultural Sciences

基　　金：湖南省自然科学基金委员2021年科教联合课题(编号:2021JJ60048)。

摘　　要：为提高棉花生产和质量,需要对棉花叶片病害进行及时和准确的识别。然而,现有研究方法往往只能处理少数几种常见的病害类型,而无法覆盖更多的病害种类。本研究提出一种基于CNN-XGBoost模型的多类型棉花叶片病害识别方法,该方法能够识别出21种不同的病害类型,涵盖了细菌、真菌、病毒、营养缺乏等多种因素导致的病害。首先,收集约1.2万张棉花叶片病害图像样本,构建一个包含多种类型病害的数据集,对数据集进行预处理和增强操作,增加数据的多样性和难度;其次,设计一个CNN模型,利用卷积层和池化层提取棉花叶片图像的特征向量,将CNN模型的输出作为XGBoost模型的输入,使用XGBoost模型对特征向量进行分类;最后,采用加权交叉熵损失函数作为优化目标,通过反向传播算法更新CNN模型和XGBoost模型的参数。结果表明,本研究提出的CNN-XGBoost模型在21种类型棉花叶片病害上都能达到高精度的识别,平均准确率达到0.98,远高于其他对比方法,为棉花生产者提供了一个实用和高效的植物病害诊断工具,有助于及时发现和处理棉花叶片病害,从而提高棉花产量。

关 键 词：CNN-XGBoost 棉花叶片病害 多类型病害 加权交叉熵损失函数 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]