深度实例分割方法在农作物观测领域的应用

来源：中国农机化学报杂志2026年第2期北京时间：

作者：李猛, 翟成城, 邱权

单位：1.北京石油化工学院人工智能研究院，北京市，102617；2.北京市八一学校国际部，北京市，100080；3.北京农学院智能科学院与工程学院，北京市，102206

摘要：农业是全球经济的重要组成部分，精准农业的发展对提高农作物产量和质量、降低资源消耗具有重要意义。近年来，深度学习特别是实例分割技术，在农作物观测领域的应用取得显著进展。阐述实例分割方法在农作物观测领域应用的最新研究进展，涵盖作物表型特征分析、作物病虫害检测、果实检测管理、杂草识别管理和作物生长状态监测等多种应用场景。首先从发展历史、代表性方法等方面对实例分割方法进行简述，然后分类别、分场景详细介绍实例分割方法的实际应用，最后分析其所面对的技术挑战，特别是数据集限制、复杂环境下的识别精度、实时性和计算资源、模型泛化能力和跨模态异源数据处理能力等方面。基于此，提出丰富和扩展数据集、轻量化模型和算法优化、多模态数据融合、深度学习技术的创新应用和智能农业系统的整合应用等解决方案。

关键词：实例分割,深度学习,精准农业,作物表型,病害检测

基金资助：国家自然科学基金面上项目（61973040）