郭文娟，冯全，李相周

(1. 甘肃政法大学网络空间安全学院，兰州市，730070； 2. 甘肃农业大学机电工程学院，兰州市，730070)

0 引言

国家的经济发展离不开农业的发展，农作物的病害问题是制约农业发展的关键因素[1-2]。因此，农作物病害的快速准确检测和识别是治理病害的基础，是提高农作物产量的重要途径，是推动农业的生产智能化与现代化发展的重要因素。传统的农作物病害识别主要通过病害专家的肉眼去判断识别，这样做的弊端是耗费了大量的人力，同时病害识别的时效性得不到保障，因此会错过农作物病害治理的最佳时机，造成作物病害加剧导致减产损失。如今，随着计算机应用技术的快速发展，越来越多的农作物病害智能识别技术被推广应用[3]。

近年来，深度学习逐渐成为人工智能领域的研究热点和主流发展方向。深度学习是机器学习的分支之一，主要用来模拟人类的神经系统，旨在构建人工神经系统，能够对输入的数据样本进行分析解释，自动提取数据的特征信息。卷积神经网络是深度学习模型的典型代表，该模型被广泛应用于图像处理领域，尤其在农作物的病害检测与识别上。本文基于农作物病害检测与识别的卷积神经网络模型研究，分别从农作物病害分类识别、农作物病害目标检测和农作物病害严重程度评估3个方面综述农作物病害检测与识别的各类卷积神经网络模型相关研究进展，结合卷积神经网络模型发展和优化历程，对各类典型农作物病害检测与识别的卷积神经网络模型进行了分析对比，指出了基于农作物病害检测与识别的卷积神经网络模型当前存在的问题，对该领域未来研究方向进行了展望。……