柑橘是我国的一种重要经济作物。目前,我国柑橘果树的主要植保方式为人工地面植保和地面植保机植保,果树的冠层叶面施药效果较差,叶面难以吸收养分,效率低并且耗费劳动力。近些年随着无人机的快速发展,利用无人机精准植保也逐渐开始推广,无人机因其质量小、机动性好、可灵活调整飞行速度、施药高度可控等优点广受欢迎。由于无人机空中施药是高处向下自然喷洒,既能喷洒到果树冠层叶面,药物还能向下流淌对底层叶片进行施药,同时可以清洗果树冠层叶面的灰尘,提高光合作用的效率,实现果园增产和果品质量的提高。常用的冠层植保药物检测方式是人工直接观测或无人机搭载可见光摄像头对植物冠层进行拍照,对可见光照片进行识别,分辨植物冠层喷药情况。但是常规可见光摄像头对光线和天气十分敏感,检测效率较低,识别准确率也会明显降低。相较可于见光探测系统而言,热红外遥感技术对烟雾和云层具有一定的穿透性,受天气影响较小。但是热红外遥感图像像素较低,成像效果不如彩色图片,不适合人眼直接观察,所以通过计算机视觉技术精准快速的检测柑橘果树冠层喷药情况。本文首先介绍卷积神经网络的基本知识,然后详细介绍了轻量型神经网络Mobile Net和Shuffle Net构成,阐述了两种网络的压缩方式和基本思想,总结了两种模型的特点和优势,分析了Shuffle Net网络中内存访问操作所消耗时间居高不下的原因。最后,重点优化的Shuffle Net网络,针对柑橘果树冠层的场景特性,通过减少Shuffle Net网络中的卷积层数和block的数量,压缩Shuffle Net模型大小和计算量,为了弥补网络层数降低可能导致柑橘果树冠层热红外图像特征提取不充分的问题,将高维特征和低维特征进行融合,构建E-Shuffle Net网络。通过实验对比,E-Shuffle Net的分类准确率为93.45%。Mobile Net网络和Shuffle Net网络的最高准确率分别为88.09%和90.55%,E-Shuffle Net比Mobile Net网络和Shuffle Net网络分别提高了5.36%和2.9%。同时E-Shuffle Net的模型大小为6.8M比Mobile Net网络大小减小了55%,比Shuffle Net网络大小减小了36%。在计算量上E-Shuffle Net为146MFLOPs,比Mobile Net网络计算量减小74%,比Shuffle Net网络大小减小50%。可见E-Shuffle Net比Shuffle Net和Mobile Net在柑橘果树冠层热红外图像上的分类性能更好,在保证网络分类准确率的同时,网络大小、计算量和访问内存消耗的时间也有所下降。