大豆病害已成为制约大豆高产优质产业可持续发展的重要因素之一。提出了一种基于分类特征输入的大豆病害识别的混合人工神经网络（ANN）模型，该模型采用粒子群优化（PSO）算法进行优化，称为PSO-ANN。通过合成少数过采样技术（SMOTE）创建增强数据集，以处理数据集的数量不足和分类不平衡。采用粒子群优化算法对人工神经网络的参数进行优化，包括激活函数、隐层数、每个隐层神经元数和优化器。最后，与传统的机器学习方法相比，具有2个隐层、63个隐层和61个隐层神经元、Relu激活函数和Adam优化器的ANN模型获得了92.00%的最佳总体测试准确率。PSO-ANN在各种评价指标上显示出优越性，在现代农业作物病害控制中具有很大潜力<\/p> “，”DOI“：”10.4018\/ijcini.290328“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2021,10,15]，”日期时间“：”2021-10-15T19:21:48Z“，”时间戳“：1634325708000｝，”page“：”1-16“，”source“：”Crossref“，”由count引用“：5，”title“：[”用于识别大豆疾病的混合PSO-ANN模型的可行性“]，”prefix“：”10.4018“，”volume“：”15“，”author“：[｛”ORCID“：”http://\/ORCID.org\/0000-0002-1767-9166“，”authenticated-ORCID“：true，”given“：“苗苗”，”family“：”Ji“，”sequence“：”first“，”affiliation“：[{“name”：“东北农业大学”}]}，{“given”：“Peng”，“family”：“Liu”，“sequence”：“additional”，“affiliance”：[{“name'：”东北农业大学，中国“}]}，}“ORCID”：”http:\/\/orcid.org\/00000-0002-4787-2549“，”authenticated-orcid“：true，”given“：”秋风“，”family“：”Wu“，”sequence“：”additional“，”affiliation“：[{”name“：”东北农业大学“}]}]，”member“：”2432“，”reference“：[[{“key”：“IJCINI.290328-0”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.compind.2018.2.005”}，{“键”：“IJCINI.290328-1”，“doi-asserted-by“：”publisher“，”doi“：”10.1080\/10916466.2016.1153655“}，{“key”：“IJCINI.290328-2”，“doi-assert-by”：“publisher”，“doi”：“10.1094\/PDIS-12-1699-RE”}，“key“：”IJCINI.290328-3“，”doi-assered-by“：”publisher“，”doi“：“10.1109\/UBMK.2019.8907003”}INI.290328-4“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.matpr.2019.07.643“}，{“key“：”IJCINI.290328-5“，”doi-asserted-by“：”publisher“，”doi“：”10.1613\/jair.953“}，{“key”：“IJCINI.290328-6”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.neucom.2004.07.002”}，”{“key”：“IJCINI.290328-7”，“doi-asserte-by”：“publisher”，”doi:“10.1590\/1678-992x-2015 0309“}，{”key“：”IJCINI.290328-8“，”article-title“：”粒子群优化“，”author“：”R.Eberhart“，“年份”：“1995年”，“新闻标题”：“IEEE神经网络国际会议论文集”}，{“key”：“IJCINI.290328-9”，“doi-asserted-by”：“publisher”，“doi”：“10.1007”，{：“10163-019-00933-2”}328-11“，”doi-asserted-by“：”publisher“，”DOI“：”10.1007\/s00366-016-0447-0“}，{“key”：“IJCINI.290328-12”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1016\/j.applethermaleng.2018.10.070”}，“{”key“：”IJCINI.290328-13“，”DOI-assert-by“：”publisher IJCINI.290328-14“，”首页“：”125“，”文章标题“：”通过讲述学习和示例学习：在开发大豆病害诊断专家系统的背景下，对两种知识获取方法进行了实验比较。“，”volume“：”4“，”author“：”R.S.Michalski“，”year“：”1980“，”journal-title“：”International journal of Policy Analysis Information Systems“}，{“key”：“IJCINI.290328-15”，“doi-asserted-by”：“publisher”，“doi”：“10.1007 \/s00521-016-2728-3”}，}“key”：”IJCINI.290328-16“，”doi-assert-by“：”publisher“，”doi“：”10.1016\/j.knosys 2011.07.0 01“}，{”键“：”IJCINI.290328-17“，”doi由“：”crossref“，”非结构化“：”Patil，R.和Tamane，S.C.（2020）断言。基于PSO-ANN的糖尿病计算机辅助诊断和分类。《计算与通信智能趋势》（第11-20页）。斯普林格。“，”DOI“：”10.1007\/978-981-15-0077-0_2“}，{”key“：”IJCINI.290328-18“，”DOI-asserted-by“：”publisher“，”DOI“：“10.1007\/s10163-017-0620-6”}，“key”：“IJCINI.290328-19”，“DOI-assert-by”：“publisher”，“DOI”：“10.1016\/j.eswa.2017.09.059”}由“：”publisher“，”DOI“：”10.1109\/ICCNT.2018.8494024“}插入，{”key“：”IJCINI.290328-21“，”doi-asserted-by“：”publisher“，”doi“：”10.1049 \/iet-gtd.2009.0488“}，{“key”：“IJCINI.290328-22”，“doi-assert-by”：“publisher”，“doi”：“10.1007 \/s40030-019-00390-y”}，“key“：”IJCINI.290328-23“，”doi-assered-by“：”crossref“，“unstructured”：“Zhan，Q.，Tian，J.，&Tian，S.（2019）基于Ann和Markov_CA模型的北京市土地利用/覆被变化预测模型。论文发表于IGARSS 2019-2019 IEEE国际地球科学和遥感研讨会。“，”DOI“：”10.1109\/IGARSS.2019.889838388“}]，”container-title“：[”国际认知信息学与自然智能杂志“]，”original-title”：[]，”language“：”ng“，”link“：[{”URL“：”https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=290328“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“，”存放“：{“date-parts”：[[2023,16]]，“date-time”：“2023-01-16T21:56:32Z”，“timestamp”：1673906192000}，“score”：1，“resource”：{”primary“：{“URL”：“https:\/\/services.igi-global.com/resolvedoi\/resolve.aspx？doi=10.4018\/IJCINI.290328”}}，”substitle“：[”]，“shorttitle”：[]，“issued”：{“date-ports”：[[2021,11,11]]}，“参考人数”：24，“新闻发布”：{“issue“：”4“，”published-print“：{”date-parts“：[2021,10]]}}，”URL“：”http://\/dx.doi.org\/10.4018\/ijcini.290328“，”relationship“：{}，“ISSN”：[“1557-3958”，”1557-3966“]，”ISSN-type“：[{”value“：”1557-358“，“type”：“print”}，{“value”：”1557-2966“，”type“”：“electronic”}]，“主题”：[]，“已发布”：{“日期部分”：[[2021,11,11]]}}