来源：期刊VIP网 时间：
作者：汪强;李美琳;马新明;乔红波;郭伟;时雷;熊淑萍;樊泽华;郑光;
单位：河南农业大学信息与管理科学学院;河南农业大学农学院;
摘要：综述了从机器学习到卷积神经网络（convolutional neural network, CNN）的作物病害识别融合改进方法，系统梳理了机器学习与CNN作物病害识别的关键技术，包括数据获取、数据处理、数据训练、网络架构选择、特征提取与融合、模型验证等6个应用流程，分析了两者性能差异的核心原因，归纳了二者共同面临的数据需求高、计算资源高和泛化能力不足的技术难点，对应总结了机器学习改进卷积神经网络作物病害识别关键技术的策略。最后，总结了当前研究存在的挑战，并展望了未来的研究方向。
关键词：卷积神经网络;;机器学习;;深度学习;;作物病害;;病害识别
基金资助：“十四五”国家重点研发计划（2023YFD2301503）;; 国家自然科学基金项目（32271993）;; 河南省科技研发计划联合基金优势学科培育项目（222301420114）;; 河南省科技攻关国际科技合作项目（242102521027）
