农作物病虫害作为主要农业灾害来源之一,在全球每年都会造成高额的粮食作物损失和经济损失,数以百万计的人们也因此面临食不饱腹的危机。针对如此严峻的现状,对于农作物病虫害进行智能分类识别以此进行及时防治具有重大研究意义与应用价值。本文针对基于图像的农作物病虫害分类问题进行了研究,主要研究成果包括:1.本文提出了一种基于深度学习的显著性和注意力机制结合的多尺度细粒度识别算法。该算法在传统图像特征的基础上,加入了深度神经网络抽取的显著性特征,增加了特征表示的层次性;同时,针对病斑大小不一的特点,引入了多尺度卷积核,提升了算法对于多尺度变化的稳定性;最后,通过引入注意力机制,进一步强化了算法对于病斑部位的关注力。2.基于前述算法,本文设计并实现了一套农作物病虫害识别系统。该系统不仅支持用户对于单张图片的在线分类需求,还支持用户对于大量图片同时进行分类的需求。用户在前端用户界面选择需求方式,并上传图片,后端接受用户上传的图片,并通过训练好的模型得到最终的分类结果,并将top5的分类结果皆回传到界面,同时给出统计数据,使得用户对于病虫害的情况有更深刻的了解。实验结果表明,本文算法合理性较强,且系统设计结构清晰,使用方便。