2023年4期智慧农业导刊JournalofSmartAgriculture智慧农业基金项目：国家自然科学基金（32001910）；国家级大学生创新创业训练计划项目（202110356040）；浙江省基础公益研究计划项目（LGN20C140005）*通信作者：潘铖（1989-），男，博士，讲师。研究方向为农业害虫防治。深度学习在农业病虫害智能识别方面的研究进展宋仕月1，陈政羽2，郑一凡1，徐梓航2，潘铖1*（1.中国计量大学生命科学学院，杭州310018；2.中国计量大学信息工程学院，杭州310018）中国作为一个农业大国，农作物因其品种庞杂，在培育过程中会受到不同类型有害微生物和害虫的侵袭[1]，导致农作物在产量和质量上会有不同程度的损失，严重时甚至会导致农作物大范围绝收、绝产。近些年，由于各类农产品广泛出口，国内农产品市场不断扩大，出口额节节攀升，经济占额比快速提升。但是经济社会不断发展的同时新问题也层出不穷，各类病害的发生和真菌的变异影响了人们的生产、生活，农作物发病率越来越高，极大影响了我国农业经济的发展，影响了农产人员的生活。因此，研究农作物病虫害的预防以及诊断、治疗和补救措施显得尤为重要。植保专家和相关技术人员因人员数量有限，无法满足中国广大农民的需求；有经验的农民因其视觉系统存在局限性、模糊性和主观性等缺点，可能导致误判、错判；农民进行诊断时，在查阅相关资料、寻求专家援助过程中，不仅会很大程度浪费时间，甚至还会贻误对作物进行最佳防治、补救的时间。因此针对上述问题，运用现代信息技术，寻找一种合适的方法对植物病虫害进行高效、准确识别和防治具有重要意义。深度学习持续创新发展，其研究价值和潜力不断被人们挖掘，基于在图像识别领域中的优势，成为当下推动农业向着精准化、智能化发展的新兴动力。据大数据显示，围绕农田中作物病虫害的识别和预测系统、模型、APP及其研究都还在起步阶段[2]。本实验项目以大田作物病害识别研究图像数据集为基础，基于深度学习方法构建茶树病虫害智能化识别系统，改造传统病虫害诊断模式，使其最终能够部分替代专业人员诊断，从而提高病虫害监测预警和科学防治水平。1深度学习深度学习实质上是通过添加多种算法，建立多样化的模型来对人类神经系统进行模拟，然后通过海量数据对构建的多层隐藏层进行训练，对图像抽象特征摘要：深度学习（DeepLearning，DL）附属于机器学习算法的一个分支，实质是一种通过海量数据对构建的多层隐藏层进行训练，使其习得一种更有意义的抽象特征，从而...
