郑 凯，方 春，袁思邈，冯 创，李国坤

山东理工大学 计算机科学与技术学院，山东 淄博255049

21 世纪以来，我国经济高速发展，从温饱堪忧到现在丰年有余，农业的发展实现了重大飞跃。北方地区因光照充足、四季分明等优越的地理因素，温室种植技术得以广泛推广。通过调查发现，一方面当前的温室种植管理中瓜果自然授粉已经行不通，大部分采用涂抹激素的方式实现坐果、膨果。另一方面温室种植管理仍采用人力为主的种植方式，在摘果、摸茬、驱虫、授粉等精细工作中一直采用人的视觉。长时间的用眼工作容易形成视觉疲劳，对农民的身体也会造成巨大伤害。在茄子温室种植过程中，常常因种植数量大、天气温度影响、技术与经验不足等原因导致授粉周期把控不到位，致使错过最佳授粉时期，造成坐果难、坐果畸形、烂果等问题，直接导致减产，使农民经济效益遭受损失[1-2]。因此，将基于深度学习的计算机视觉技术应用于茄子的种植管理，使其与自动授粉机器人或农作物生长管理系统对接，能有效调控茄花授粉周期，为农民提供更高效的茄花授粉方案，利于规避天气、温度、人为等因素导致的管理问题，使果实品质得到提升，使产量得到提高，使农民增收。

目前基于深度学习的智能信息处理技术在农业中的应用主要分为三个部分：产前、产中和产后[3]。在产前工作中主要应用于农作物选种，如去杂质、质量精选等。王润涛等以正常豆、灰斑豆、霉变豆、虫蚀豆为研究对象，通过动态阈值分割算法，使豆粒与背景分离，并提取形状、颜色、纹理等多个特征参数进行测试，并采用BP神经网络建立分类模型，使分类精度达到了98%，取得了良好效果[4]。……