钟林忆，刘海峰，董力中，高 翔，黄家怿，司志恒

（1.广东省现代农业装备研究所，广东 广州 510630；2.广州市健坤网络科技发展有限公司，广东广州 510630；3.广东省农业技术推广总站，广东 广州 510520）

0 引言

农作物病虫害，是农业生产过程中始终绕不开的话题，各种病虫害给农产品产量和品质带来恶劣的影响[1]。近些年来，随着新一代信息技术的快速发展，国家也加大了对农业病虫害智能化识别和数字化防控的政策支持力度，农作物病虫害智能识别的研究逐渐成为热门。

柴阿丽等[2]以计算机视觉技术、图像处理技术和模式识别技术为手段，研究了4 种番茄叶部病害自动识别方法，进行了病斑区域特征参数的提取和判别模型的构建，研发形成了一套室内操作的图像采集处理系统，这套系统对测试样本的识别准确率达94%以上，说明了计算机视觉技术在农作物病虫害识别上的可行性。张建华等[3]研究了棉花病害智能识别，提出了一种基于粗糙集和BP 神经网络的棉花病害识别方法，该方法能够有效地识别4 种棉花病害，且平均识别准确率为92.72%。孙云云等[4]利用卷积神经网络，研究了小样本下的茶树病害图像识别，主要应用7 种模式对茶树叶部病害图像样本进行预处理，并采用AlexNet 经典网络模型进行样本学习与训练，结果显示该方法对3 种茶树叶病的正确区分率达85%以上。本文研究计算机视觉下的农作物病虫害图像识别技术，重点解决训练样本量小的现实情况下的识别精度问题，并构建田间场景应用。……