大豆是我国重要的经济农作物之一,其在种植中常受到各类病虫害的侵害,因此,大豆作物病虫害的及时获取、快速识别和科学防治对于指导农业生产有着十分重要意义。图像处理技术在作物病虫害诊治方面的应用研究,一直是农业信息化过程中的一个研究重点,特别是深度学习算法中卷积神经网络在农业领域图像识别中的应用,显示出该算法在农作物病虫害图像识别方面彰显出的很大优势,该算法与传统的图像识别方法相比,简化了人工特征选择和数据挖掘过程的预处理工作。针对有些农作物虫害和植物之间会有颜色差异不明显,对特征提取造成很大干扰,为了解决大豆害虫图像的有效识别问题,本文进行了基于优化卷积神经网络的大豆害虫图像识别方法研究,主要研究内容及取得成果如下:(1)运用机器学习的几种算法,进行了大豆害虫图像识别方法对比研究。由于不同的图像有不同的特点,有时虫害和植物之间会有颜色差异不明显,为特征提取造成干扰。以蚜虫为例,提出了分别结合图像中颜色信息和纹理特征的大豆虫害特征的提取方法,并分别使用经典的SVM、BP神经网络和K-means分类方法,能够较有效地将蚜虫从复杂的背景环境中提取出来,并将识别结果进行比较。(2)将注意力机制引入计算机视觉领域,通过基于注意力卷积神经网络构建了大豆害虫图像识别模型。将获取到的农田大豆蚜虫图像的特征向量集,运用优化的卷积神经网络算法,通过串联粗尺度图像输入的卷积神经网络到细尺度图像为输入的卷积神经网络,提出了一种基于注意力机制的卷积神经网络模型。通过交替训练的方式,使得优化的网络模型能够有效训练,将采集到的大豆蚜虫数据够聚焦到图像有效特征区域,用于解决大豆蚜虫的识别问题,达到了大豆蚜虫的精确识别并取得了理想的效果,为精准施药提供重要依据。(3)研制开发了大豆害虫智能图像识别与防治系统,并进行了验证。基于注意力卷积神经网络的大豆蚜虫识别方法,以该方法为依托,开发大豆害虫智能图像识别与防治系统,调用Python编程训练好的Tensorflow模型进行图像识别,完成系统用户管理、常见害虫信息、识别诊断、害虫防治、专家咨询和帮助等业务模块的功能实现与验证。