DOI：10.3969/j.issn.1672-3872.2026.04.017
基金项目：2024年度镇江市科技计划（软科学研究）指导性项目“基于低空职教融合发展赛道下人才培养模式的研究”（YJ2024016）；江苏高校“青蓝工程”基金资助项目（苏教师函[2024]14号）
作 者：朱莉凯 ，柯 灵（江苏航空职业技术学院，江苏 镇江 212134）
摘 要：农业害虫严重威胁农作物的产量和质量，而传统的人工检测方式效率低下，亟需探索更有效的检测方法。基于此，文章采用案例研究法、对比分析法，对传统机器学习和深度学习方法在农业害虫自动检测领域的研究进展和局限性进行了综述。同时，提出了一系列优化策略，包括改进深度学习模型、引入小样本学习、应用目标检测算法以及部署轻量化模型等，以期提高害虫防控的智能化和信息化水平。研究结果表明，从最初的传统机器学习到如今的深度神经网络，害虫检测算法的性能稳步提升，但其在鲁棒性、泛化能力以及速度功耗等方面依旧存在欠缺。未来，在新一代信息技术的加持下，基于数字图像的农业害虫精准检测算法将会迎来更广阔的发展空间，通过算法革新、数据打通以及深入应用，将实现从“数字农业”到“智慧农业”的跃迁。
关键词：农业害虫检测；数字图像处理；深度学习；小样本学习；目标检测
引文信息：[1]朱莉凯，柯灵.基于数字图像的农业害虫精准检测算法及应用分析[J].南方农机，2026，57(4)：63-66.
查看全文请下载PDF文件↓
