DOI：10.3969/j.issn.1672-3872.2026.11.015
作 者：李珊辉（新疆科技学院，新疆 巴州 841000）
摘 要：传统的苹果叶片病害识别方法以人力为主，存在识别速度慢、识别成本高及识别效果差的缺陷，难以满足现代农业精准、高效、智能化的需求。因此，如何利用深度学习技术实现苹果叶片病害的快速、准确识别，已成为广大学者广泛关注的热点问题。文章系统梳理了现有文献，根据深度学习模型的不同作用机制及网络结构特点，将其划分为单阶段目标检测模型、两阶段目标检测模型、基于Transformer的目标检测模型以及基于其他卷积神经网络的目标检测模型四大类，并在此基础上详细剖析了近年来各类模型在苹果叶片病害识别任务中的应用研究。同时，探讨了基于深度学习的苹果叶片病害识别在实际应用中面临的主要问题与挑战，并提出了未来展望，以期为该领域的深入研究提供一定参考。
关键词：苹果叶片病害；深度学习；Transformer模型；卷积神经网络
引文信息：[1]李珊辉.基于深度学习的苹果叶片病害识别研究综述[J].南方农机，2026，57(11)：55-58.
查看全文请下载PDF文件↓
