基于跨深度学习模型的作物病害检测方法

作物病害的叶片症状是病害类型识别的基础，与作物病害相关的环境信息是作物病害预测的基础。由于病害叶片症状和环境信息的复杂性和多样性，许多作物病害检测方法的准确率不高。针对田间作物病害检测问题，提出了一种基于卷积神经网络（CNN）和双向长短时记忆网络（bilstm）相结合交叉深度学习模型的作物病害检测方法。首先，利用CNN提取作物病害叶片图像的分类特征，利用bilstm提取病害发生的环境信息特征。然后，利用注意机制分析了这两个特征。最后，使用softmax分类器进行疾病检测。实验在作物病害相关数据库上进行，识别准确率为92.35%。结果表明，该方法优于传统的疾病检测方法和基于长短时记忆（LSTM）的检测方法。该方法能够准确地检测作物病害，有助于提高田间作物病害检测的准确性和鲁棒性。