[研究背景]小麦赤霉病是粮食生产的重大病害之一,对于小麦产量有很大损害,对小麦病害监测预警方面的研究和应用对于发展高产、优质、高效的科学化生产十分重要。为及时有效的对小麦赤霉病采取防治措施,需要对其发病情况进行及时准确的监测。目前,由于生产条件、地理因素、技术水平的限制,主要利用田间抽样调查的方法对赤霉病病情的危害程度进行评估。该方法不仅难以对大面积的发病产区进行有效监测,而且人工成本高,信息获取滞后,严重影响赤霉病的防治效率。[材料与方法]本次实验通过对小麦麦穗进行赤霉病菌人工接种的方式使小麦发生赤霉病病害,通过无人机和数码相机来获取小麦赤霉病的RGB图像,通过提取图像特征来对小麦赤霉病图像中发病麦穗进行检测与识别。[结果与分析](1)基于颜色特征指数提取小麦赤霉病图像中发病麦穗。在小麦赤霉病前期时,检测率为90.5%,在小麦赤霉病中期时,其检测率为88.4%。(2)建立了基于深度学习网络deeplabv3+的小麦赤霉病发病麦穗的检测与识别模型。该模型的精度为0.9692,损失函数Loss为0.1030,MIoU为0.793,模型表现较好,基本上能够实现小麦赤霉病发病麦穗的检测与分割。(3)建立了基于改进的深度学习网络U-net的小麦赤霉病发病麦穗的检测与识别模型。该模型的精度为0.9694,损失函数Loss为0.0759,MIoU为0.799,模型表现较好,能够实现小麦赤霉病发病麦穗的识别与分割。[结论]通过研究发现基于深度学习网络模型能够很好的检测与识别小麦赤霉病发病麦穗,识别精度较高,为小麦赤霉病的检测与识别提供了技术支持。