程 帅， 李艳玲， 司海平， 孙昌霞

（河南农业大学信息与管理科学学院，郑州 450002）

农业生产是人类社会的重要生产活动之一，与当今社会发展及稳定有着密切的联系. 随着互联网技术的不断发展，农业生产已由传统模式逐渐发展为精准农业作业［1-2］. 随着“互联网+”农业项目的跟进，农业数据信息采集工作也越来越便利［3］. 由于所拍摄的作物图像会受到拍摄方法和拍摄角度的影响，且数据采集过程中产生的作物图像数量极其庞大，以至于无法人工目视进行有效识别，导致自动化农业作业较困难. 现如今，计算机技术不断发展，如何快速、准确识别图像，已逐渐成为该研究领域的一个热点问题. 参阅相关农业领域文献发现，有相关学者运用人工特征提取等方法研究作物种类识别问题，虽然提取信息较为全面，但需要大量的劳动力和工作时间，且识别效率有待提高. 现阶段，机器学习、图像处理等技术发展迅速，尤其在农业领域，运用图像处理技术对作物图像进行识别已逐步得到了应用. 其中，卷积神经网络是由人工神经网络在图像识别领域发展而来的深度学习方法，对输入的图像可以自主学习相关特征，是解决本研究实现作物种类图像自动识别一种有效方法. 运用卷积神经网络进行作物图像识别不仅可以提高图像的识别率、降低算法的复杂度，且实用性较好［4］.

随着基于图像表层视觉特征的检索技术发展，卷积神经网络算法……