基于卷积神经网络的农作物病害检测研究综述

摘要

我国是农业大国，拥有广大的农作物种植面积和丰富的农业资源。然而，近年来，农作物病害问题日益严重。农作物病害不仅直接影响产量和质量，还会造成农民的经济损失，威胁粮食安全和生态环境，对我国农业可持续发展构成了巨大威胁。因此，对农作物病害的精准检测是提高我国农业发展的关键因素。随着深度学习的不断发展，无损检测技术已得到广泛应用，利用卷积神经网络进行农作物病害的精准检测成为近年来研究的热点。卷积神经网络具有较好的图像检测与识别能力，能够适应多种病害类型，实现高效、准确的大规模检测，被广泛应用于农作物病害的精准检测中。本文首先介绍了卷积神经网络结构；然后探讨了几种典型的检测农作物病害的卷积神经网络模型；其次分析了其它神经网络研究情况并进行总结；重点讨论了目前基于小样本学习、小目标检测、网络轻量化改进的卷积神经网络热点研究问题；之后对未来农作物病害检测所面临的挑战和展望进行了总结，如针对数据集标注困难、模型缺乏泛化能力、小样本小目标数据集识别精度较低等问题，提出了建立更高质量的农作物病害数据集、优化小样本小目标数据集下的网络模型结构以及对农作物病害无损检测进行实时监测与预警等研究展望，以期为不断推进农业技术创新和应用、为我国农作物病害的精准检测研究提供参考依据。

关键词

卷积神经网络 / 小样本 / 小目标 / 轻量化