基于深度学习的农田害虫图像识别系统的设计与实现  

作　　者：卢雪燕[1] 冀肖榆[2] 

机构地区：[1]梧州学院广西高校智能软件重点实验室,广西梧州543002 [2]梧州学院广西机器视觉与智能控制重点实验室,广西梧州543002

出　　处：《中文科技期刊数据库（全文版）自然科学》2025年第1期130-136,共7页

基　　金：国家自然科学基金(地区科学基金项目)(编号:62262059);广西自然科学基金面上项目(编号:2021JJA170178)。

摘　　要：农田害虫防控是一项争分夺秒的挑战,一旦农作物受到了病虫害的侵袭,产量和经济效益都会降低。结合深度学习与目标检测框架Faster R-CNN,提出了一种基于深度学习的农田害虫识别模型。在对现有害虫识别研究进行梳理后,本文对卷积神经网络和深度残差网络进行了详细介绍,并在此基础上搭建了害虫识别模型。首先,建立了一个包含多种害虫类别的大规模数据集,然后设计了适合该模型的评价指标和损失函数,最后完成了算法的实现和实验。结果 表明,本文提出的模型能够准确识别出农田中各种害虫,具有很高的实用价值。所构建的害虫识别模型可应用于农业生产实践中,为农业害虫的防治提供技术支持。

关 键 词：深度学习 农田害虫 图像识别 CNN模型 残差网络ResNet 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]