农业视觉中的低标注学习：半监督、弱监督与自监督方法综述

摘要

传统农业模式在生产效率、资源利用率与环境友好等方面存在显著短板，正逐步向信息化、智能化方向转型升级。农业视觉作为智慧农业核心支撑技术，深度服务于作物生产监测与畜禽养殖管理等关键场景，对提升农业生产效率具有重要现实意义。现有视觉模型需要大规模标注数据，但农业场景环境复杂、采集条件多变，导致数据获取与标注成本高、周期长，制约了技术规模化应用。本文聚焦农业视觉中半监督、弱监督与自监督3类典型低标注学习方法，梳理其基本原理与常用框架，结合典型任务归纳应用效果与适用特点，分析了跨域泛化不足、噪声标注干扰等关键挑战，提出了数据与评测基准建设、农业领域专用预训练模型研发及主动学习驱动的低成本迭代等未来研究方向，为农业视觉技术的发展与应用提供参考。

关键词

农业视觉 / 智慧农业 / 低标注学习 / 作物监测 / 畜牧监测 / 深度学习