综述：基于深度学习的水果树病虫害识别技术：模型发展、挑战与边缘智能应用

《Agriculture》：Deep Learning-Based Fruit Tree Pest and Disease Recognition Technology: Model Evolution, Challenges, and Edge Intelligence Deployment

　　

摘要

及时准确地识别果树病虫害对于保障果实产量、品质以及实现可持续的农业生产至关重要。传统的人工检测方法无法满足大规模果园中持续、客观且实时监测的需求。本文基于“模型发展–关键挑战–边缘智能部署”的框架，系统总结了基于深度学习的果树病虫害识别技术进展，并从数据复杂性、模型泛化性与鲁棒性、实时推理、跨模态融合以及可信诊断等角度对比了各类方法的优缺点。现有研究表明，卷积神经网络、注意力机制、Transformer模型、多模态融合技术以及轻量级网络推动了果树病虫害识别从图像分类向目标检测、病斑分割以及边缘设备部署方向的转变；然而，样本不足、类别不平衡、跨领域泛化能力欠缺、决策过程不透明、能源限制以及长期稳定性问题仍是其在实际应用中的主要障碍。未来的研究应着眼于开放式的果园环境，开发数据效率更高、可解释性强、能耗更低且能持续更新的边缘智能识别系统，从而推动精准农业和智慧果园的发展。