摘要: 针对棉花病虫害存在人工识别效率低、误差大的问题，该文提出一种基于迁移学习的卷积神经网络识别方法。研究构建了包含4.2万张图像的数据集，并采用旋转、裁剪、亮度调整等6种数据增强策略进行预处理；以ResNet50为骨干网络，利用ImageNet预训练权重进行微调，采用Adam优化器和早停策略训练模型。在山东省郓城县30亩（1亩=1/15 hm2）试验田应用中，该模型对炭疽病、枯萎病、棉铃虫等病虫害的识别准确率达到92.0%，召回率94.0%，F1分数92.5%，平均识别时间较人工方法缩短62%。研究证明，该方法有效提高了棉花病虫害识别精度和效率，具备实际推广应用价值。