本研究的目标是构建深度卷积网络模型，通过使用水稻病害图像，来实现快速和准确的自动识别。 10种常见的水稻病害包括稻瘟病（RB），稻曲病（RFS），稻褐斑病（RB），水稻恶苗（RBD），水稻纹枯病（RSHB），水稻鞘腐病（RSR），水稻细菌性叶病枯萎病（RBLB），水稻细菌鞘腐病（RBSR），水稻枯萎病（RSEB）和水稻青枯病（RBW）。
对水稻病害开发深层卷积网络模型的关键激励是为农民提供一个易于使用的系统，以便通过使用普通数码相机来检测早期感染。其次，提取识别水稻病害的有效特征是一项关键但又具有挑战性的任务，CNN有望系统地从原始输入中自动地进行特征学习。通过深层次的体系结构，学习的特征被视为低级原始水稻病害图像的较高层抽象代表。另外，为了改善诊断结果，CNN被认为是模式识别任务中最好的分类之一。
因此，本文研究了水稻病害识别的深层卷积神经网络模型。在本文中，研究人员提出了一种基于深度卷积神经网络的新型水稻病害识别方法。所提出的基于CNNs的模型可以获得更高的分类率。在对CNNs的结构和参数进行分析的基础上，可以应用梯度下降算法来训练CNNs。首先对500张水稻叶子和茎干图像进行预处理，然后使用处理后的图像对CNN进行训练。该CNNs模型能够在训练CNN中的参数的同时提高收敛速度，并且比传统模型获得更高的识别准确性。
图一 水稻纹枯病识别图像
图二 水稻病害图像patches
图三 水稻病害图像patches的对应特征图
来源：YangLu, ShujuanYi, NianyinZeng, YurongLiu, YongZhang. Identification of rice diseases using deep convolutional neural networks, Neurocomputing, 2017,https://doi.org/10.1016/j.neucom.2017.06.023
