昆虫图像的计算机识别是人工智能技术的一项重要应用,它可以让昆虫研究人员从枯燥而繁重的物种鉴定任务中解放出来,极大地满足不同行业对于昆虫物种鉴定的迫切需求。蜻蜓目昆虫是一种理想的环境指示昆虫和天敌昆虫,实现在复杂背景下的蜻蜓目昆虫图像中对其进行准确识别和定位,对环境保护和虫害防治有着十分重要的意义。另外,现有昆虫图像识别系统大多采用传统模式分类技术,主要依靠人工分割目标区域,分类精度也有限。因此,本文探索基于深度学习的蜻蜓目昆虫图像识别技术,并以此为基础搭建了用于实际的识别系统。主要工作及研究成果包括以下四个方面。（1）整理和标注了包含206种共8871张图片的中国本土蜻蜓数据集,实现了基于深度神经网络的目标检测技术用于蜻蜓目昆虫的目标定位。通过对几种主流深度目标检测算法进行实验评测,选择了最适于该问题的模型,并且对其进行改进,使其在蜻蜓目昆虫上取得更好的性能,同时降低了候选框的数量从而提高了算法的实时性,通过引入聚类算法改进锚框尺寸提高了检测的准确性,最后对模型进行压缩进一步提高其可移植性。（2）对其中的46类蜻蜓实现了基于注意力机制的蜻蜓目昆虫识别算法,首先筛选出在蜻蜓识别任务中效果较好的网络模型作为基干网络,通过提出随机边缘像素丢弃机制、设计区域建议网络和改进损失函数等手段,有效地提升了识别的性能。（3）结合哈希学习图像检索算法的部分模块和改进降维算法,提出一种未知蜻蜓种类的辨别算法。此算法使系统能够辨别出输入图像中不包含于可识别种类中的待识别蜻蜓,并将被识别的图片加入新类池以便为后续研究积累数据基础。（4）搭建了基础的蜻蜓目昆虫识别系统。该系统能够自动检测用户输入的蜻蜓图片中的蜻蜓目标,并将其送入识别模型进行识别,识别后系统实时返回识别结果,如果检测算法未能检测到目标,则用户可以手动框选目标进行识别。另外,系统还将把辨别为未知种类的蜻蜓图片自动存放在未知种类数据库中,为后续研究进行数据积累。