科学技术与应用

基于深度学习的蓝莓病虫害智能识别技术研究

石 文静

湖州学院 智能制造学院

徐 钰佳

湖州学院 智能制造学院

萧萧 若兮

湖州学院 人文学院

武 文昕

湖州学院 智能制造学院

曾 仪

湖州学院 智能制造学院

DOI: https://doi.org/10.59429/kxjsyy.v3i3.14770

Keywords: 蓝莓病虫害；智能识别；深度学习；图像识别；迁移学习

---

Abstract

随着蓝莓需求量与产量持续增长，病虫害导致的损失量也逐年上升。针对人工巡检劳动量大、效率低，以及 现有巡检车识别准确率低等问题，本文旨在研究蓝莓病虫害智能识别技术，为减少产量损失提供技术支撑。本文从 蓝莓产业的供需情况入手，分析了蓝莓病虫害智能识别技术的研究现状，概述了深度学习图像识别技术在蓝莓病虫 害识别中的应用特点。分析表明，深度学习图像识别技术能够有效提取蓝莓叶片病斑的颜色、纹理、形状等特征， 对灰霉病、叶斑病、蚜虫等常见病虫害具有较好的识别效果。本文可为蓝莓病虫害智能识别技术的进一步研究提供 借鉴，有助于提升病虫害识别效率，降低因病虫害造成的产量损失。

---

References

[1] 徐艺格等. 蓝莓产业现状及技术发展趋势分析与展望[J]. 北方园艺，2024, 40(08): 130-136.

[2] 孙亮等. 计算机视觉技术在植物病害识别上的研究进展[J]. 热带生物学报，2022, 13(06): 651-658.

[3] 于明，郭志永，王岩. 基于计算机视觉的植物病害识别方法综述[J]. 科学技术与工程，2024, 24(12): 4811-4823.

[4] 王海滨等. 基于改进 YOLOv9 的蓝莓果实成熟度检测方法[J]. 林业科学，2026, 62(01): 144-155.

[5] 许艳霞等. 基于改进 YOLOv8n 的轻量化蓝莓成熟度检测方法[J]. 江西农业大学学报，2025, 47(03): 764-777.

[6] 范真槐等. 蓝莓主要病虫害综合防治技术研究进展[J]. 植物医学，2026, 5(01): 1-16.

[7] 张越等. 基于自监督学习的作物叶部病虫害图像分类、检测与分割研究进展[J]. 江苏农业科学，2025, 53(20):31-46.

[8] 汪强等. 机器学习改进卷积神经网络在作物病害识别中的研究进展[J]. 河南农业大学学报，2025, 59(05): 767-775.

[9] 张会敏，谢泽奇. 基于多尺度注意力卷积神经网络的苹果叶部病害识别方法[J]. 江苏农业科学，2023, 51(16):154-161.

[10] 刘拥民等. 基于注意力机制的轻量化 YOLO v5s 蓝莓检测算法[J]. 河南农业科学，2024, 53(03): 151-157.

[11] 赵慧芳等. 34 个蓝莓品种果实品质评价[J]. 植物资源与环境学报，2023, 32(04): 44-53+72.

[12] 乌凤章等. 基于主成分分析的高丛蓝莓品种果实品质综合评价[J]. 农业工程学报，2022, 38(22): 262-269.

[13] 佘杰海等. 蓝莓采后品质劣变与保鲜技术研究进展[J]. 食品与机械，2024, 40(04): 220-226.