目前，深度学习在图像分析和目标分类中发挥着重要作用。玉米病害导致产量下降，进而成为全球农业经济损失的突出因素。此前，研究人员已经使用手工制作的特征对玉米植株的叶片疾病进行图像分类和检测。如今，深度学习的发展使得研究人员能够极大地提高目标识别和分类的准确性。因此，本文探索了快速、准确地检测玉米叶片病害的AlexNet模型。为了验证结果，我们使用了PlantVillage数据集。该数据集包含两类玉米病害，即基于叶斑的病害（灰斑病和灰斑病）和基于普通锈病的病害。前者包含1363张图片，后者包含929张图片。CNN最大的优点之一是通过直接处理原始图像来自动提取特征。通过使用25、50、75和100等各种迭代，我们的模型获得了99.16%的精度。未来，这项工作可以作为一种实用工具，帮助农民检测上述疾病，保护玉米作物。
1 Introduction
玉米是最通用的新兴农产品之一，在各种农业气候条件下具有更广泛的适应性。它是仅次于小麦和水稻的第三大农产品。玉米是第二受欢迎的谷物作物，因此被正确地称为“谷物女王”。它含有79.95%的淀粉、10.11%的蛋白质和4.19%的脂肪，能量密度为3365千卡/千克。在哈里夫季节，玉米主要种植在旱地。玉米的颜色介于黄色、柠檬黄色和藤黄之间。玉米的独特之处在于其内部的多样性。印度主要种植谷物玉米、甜玉米、幼玉米和爆米花等不同的玉米，如图1所示（a）谷物玉米（b）甜玉米（c）幼玉米和（d）爆米花。玉米通常在水中煮沸、油炸或烧焦后食用。
玉米作物受到许多疾病和以作物为食的昆虫的攻击。玉米叶部病害主要导致玉米减产和农民经济损失。人工智能是在分层结构中定义机器学习和深度学习的一个主要领域。重要的应用[2,9,29]和解决方案增加了当前人工智能技术的需求。人工智能技术
