近日，我院戴敏副教授课题组在农业与生物科学领域国际著名期刊《Frontiers in Plant Science》发表了题为“Pepper Leaf Disease Recognition Based on Enhanced Lightweight Convolutional Neural Networks”的研究论文。

基于卷积神经网络(CNN)的辣椒叶片病害识别是目前研究的热点之一。然而，现有的基于CNN的辣椒叶病检测模型在准确率和计算性能方面有待提升，特别是在大面积辣椒种植时，如何快速而准确识别辣椒病虫害是一个难题。论文提出了一种基于GoogLeNet架构的改进轻量级模型。通过压缩Inception结构减少模型参数，并将空间金字塔池化结构嵌入到网络结构中，最终实现局部和全局特征的融合，有效提升了模型的识别精度和速度。该模型在6种辣椒病害的9183幅真实数据集上进行了训练，试验结果表明其识别准确率为97.87%，比GoogLeNet原模型提高了6%，且内存需求仅为10.3 MB，与GoogLeNet相比降低了52.31%。改进后的模型在准确率和计算效率方面均有显著提高，对辣椒种植过程中虫害监控管理具有重要意义与价值。

扬州大学为该论文的第一完成单位，我院戴敏副教授为该论文的第一作者，英国曼彻斯特城市大学、农业农村部南京农业机械化研究所为共同完成单位。该论文得到了江苏省现代农业重点项目和江苏省农业自主创新资金项目的资助。