玉米作为我国重要的谷类作物,在中国拥有很广泛的种植面积。但随着近年来,气候变化、地理和生态环境等因素遭受破坏的影响下,在现有的玉米生产和采摘中,玉米螟的虫害现象日益加重。玉米螟作为危害玉米产量的主要害虫之一,它会使春玉米收获时减产十分之一,夏玉米收获时减产十分之三,给中国的玉米产业造成巨大损失。在常规条件下,实地检测中对于玉米螟的识别更多是以植保专家和经验丰富的农民为主,但这种方法在精确度方面无法保证,容易造成因漏检和错检的识别效率低等缺点。本文主要针对玉米螟害虫在不同时期的形态信息进行有效识别,通过深度学习和图像识别技术研究,研发了玉米螟分期识别系统。具体研究内容如下:首先,通过玉米田的实地采集和网上爬取两种方式获取实验所需的数据集图像。数据集图像由玉米螟卵、玉米螟幼虫、玉米螟蛹、玉米螟成虫、二点委夜蛾幼虫、甜菜夜蛾卵和甜菜夜蛾幼虫时期的图像组成。对所得图像进行图像预处理操作后整理归纳图像制作成数据集,以备后续实验分析使用。其次,选用三个卷积神经网络模型横向对比,开展Alex Net模型、VGG-16模型和Mobile Net-V2模型实验。进行模型参数优化和模型训练,通过测试结果对比分析,选用对测试集害虫图像的总体识别准确率为95.99%的Mobile Net-V2模型,作为图像识别系统的识别模型。最后,以上述工作为基础,进行系统的需求分析,构建设计玉米螟分期图像识别系统。该系统提供功能完备且简单易用的用户操作界面,能够对玉米螟害虫进行精准有效识别,为害虫的识别防治提供辅助作用,方便农业工作人员的日常使用。