文献综述
1.1研究背景和意义众所周知，植物病虫害尤其是农作物病虫害是世界范围内的主要农业危害，它们会对农作物造成非常严重的危害和损失，严重程度和范围特别深。
除此以外，由于我们人工选择有用的特征集，传统的作物害虫识别方法具有局限性，效率低下和耗时。
本课题将介绍利用深度卷积神经网络CNN准确识别常见农作物害虫的方法。
无论是在发展中国家还是发达国家，农作物害虫都给农作物造成重大损失。
根据最近的研究，世界上近一半的作物产量因虫害和作物疾病而损失。
因此，植物病虫害的精细防治是减少损失，提高作物产量的一项重要任务。
一旦害虫在田间传播，必须及时发现，以便农民及时提供治疗，防止害虫传播。
然而，传统的害虫鉴定方法存在许多弊端。
首先，最常用的方法是人工调查，即专家或农民每天，每周和每月对农田进行工人检查，以寻找病虫害的迹象。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
