21世纪以来,在不断进步的遥感卫星技术、自动化技术以及人工智能技术的加持下,我国农业遥感技术的研究和应用发展迅速,为农业资源开发和农业粮食安全提供了有力的技术保障。在农业遥感数据获取方面,我国实现了从依赖国外遥感数据源,到建立独立自主的卫星遥感系统和空天一体化技术的跨越式发展。与此同时,农业遥感数据呈现指数增长趋势,传统的人工目视解译和常规遥感图像目标检测方法在面临大规模复杂数据时往往无法有效应对。于是,利用人工智能尤其是神经网络技术开发农业遥感图像目标检测方法成为近年来热点研究领域之一,已经有很多基于神经网络的遥感图像目标检测方法被提出并被成功应用在很多现实场景中。然而,现有基于神经网络的技术大多需要经过数据集训练之后才能部署在实际应用场景中,尽管现在已经有很多研究人员和组织收集并建立了大量的训练数据集,但是现有的工作难以满足日益增加的农业遥感应用场景。因此,开发一种统一、可靠、易于实现、免训练的农业遥感图像目标检测方法就显得尤为重要。针对以上研究问题,本文首先在现有零化神经网络的研究基础上提出了一种非凸饱和噪声抑制零化神经网络（Nonconvex and bounded constraint noise tolerant zeroing neural network,NCNTZNN）模型,该网络增强了模型的噪声抑制能力并放宽了激活函数的凸约束。随后,基于NCNTZNN模型和多目标约束能量最小化（Constrained energy minimization,CEM）算法,提出了一种噪声抑制的农业遥感目标检测NCNTZNN-CEM方案,该方案将复杂的目标检测流程纳入到了统一求解框架中,适用于多种农业遥感目标检测场景。随后,提出了三个相应的理论并给出了详细证明过程,用以分析和证明本文提出方案的全局收敛性和鲁棒性。与现有的基于神经网络的遥感目标检测算法相比,本文提出的NCNTZNN-CEM目标检测方案优势在于免学习、实时求解和噪声抑制,能够在多种噪声干扰和复杂农业遥感场景中准确的检测多种农业作物。此外,该方案不仅可以用于普通遥感图像目标检测任务,也可以应用于高光谱遥感图像的目标检测任务。定量实验和可视化结果从不同角度证明了本文提出的农业遥感目标检测方案的有效性和优越性。总的来说,本方案结合了多目标检测约束能量最小化算法易实现、高可用性的特点与零化神经网络的实时求解和强鲁棒性的优势,为农业遥感资源开发利用提供了新的方法和研究角度。