基于卷积神经网络的病虫害识别与远程监测研究进展

陈青; 刘灿; 戎子凡; 祝凯; 蒋雪松; 戴婷婷

doi:10.13360/j.issn.2096-1359.202408032

林业工程学报 ›› 2026, Vol. 11 ›› Issue (1) : 19 -35. DOI: 10.13360/j.issn.2096-1359.202408032

基于卷积神经网络的病虫害识别与远程监测研究进展

陈青, 刘灿, 戎子凡, 祝凯, 蒋雪松, 戴婷婷

作者信息 +

Author information +

文章历史 +

摘要

近年来，随着森林生态系统持续遭到破坏以及外来有害生物不断入侵，病虫害呈现出多发、高发、反复暴发等特征，已成为威胁森林健康与生态安全的关键因素。然而，由于森林面积广阔且地形复杂，实现大范围高效监测仍面临诸多挑战。传统依赖人工巡视的监测方式效率低下，且消耗大量人力和物力，严重制约了病虫害监测的发展。在此背景下，基于图像识别的目标检测与远程智能监测技术成为提升监测效率的关键路径。卷积神经网络与遥感观测、嵌入式定点诱捕等技术的融合，已成为病虫害远程感知与可视化监测的发展趋势。随着图像识别技术、嵌入式设备和传感器技术的发展，这些方法已开始广泛应用于农林病虫害识别研究。笔者概述了农林病虫害识别的发展与应用现状，综述了当前识别任务中在数据集获取与构建、目标检测应用方面面临的主要难点，详细介绍了实现远程识别与监测结果可视化的两种主要技术途径，即嵌入式定点诱捕装置与遥感观测手段，探讨了卷积神经网络在远程监测应用中的优势与局限性，并对其未来的应用前景进行了展望。