深度学习技术在农作物病虫害识别问题中的应用研究  

作　　者：谢甜[1] 

机构地区：[1]河南工业贸易职业学院经济贸易学院,河南郑州450000

出　　处：《微型计算机》2024年第12期13-15,共3页

基　　金：2024年度河南省科技攻关项目“基于神经网络的农作物早期病虫害自动识别的关键技术及其应用研究”(242102111076)。

摘　　要：深度学习技术在农作物病虫害识别中发挥重要作用。通过卷积神经网络等模型,实现了高效准确的图像分类、检测和分割。常用模型如LeNet、AlexNet、VGGNet等经迁移学习应用于此领域。数据预处理和增强技术提升了模型性能。Faster R-CNN、YOLO等模型在病虫害检测中表现出色,而FCN、U-Net等则在分割任务中展现优势。深度学习方法具有高准确率、高度自动化和强适应性,显著推动了农作物病虫害识别技术的发展。

关 键 词：深度学习 农作物病虫害识别 卷积神经网络 

分 类 号：S43[农业科学—农业昆虫与害虫防治]