粮食事关国运民生,粮食安全是国家安全的重要基础。水稻是我国主要粮食作物,在粮食安全中占有极其重要的地位。水稻虫害对水稻产量及品质的影响明显,水稻虫害防治预警是水稻从种植到收获过程中的工作重点。水稻虫害防治效果是水稻丰收的关键因素,虫害的发展趋势预测是虫害防治的必要步骤。因此,通过虫害诱捕装备监测并统计虫害数量及虫害种类,对虫害的爆发起到预测和预警的作用。目前,传统的水稻虫害识别主要依靠专家或经验丰富的水稻种植户,通过观察虫害的外形纹理特征,并与标准虫害识别卡比对,识别水稻虫害的种类。该方法对种植户的专业知识要求较高、工作量大,且大部分虫害昼伏夜出,观测难度大。虫害爆发初期,危害状不明显,难以及时发现,往往容易错过防治最佳时期。为解决这一问题,构建一种水稻主要虫害识别模型,利用现有虫情测报灯,对二化螟、棉铃虫进行监测识别,并针对稻飞虱设计一种稻飞虱远程监测装备,完成稻飞虱的自动诱捕、拍摄上传,实现田间对稻飞虱的无人诱捕监测。水稻主要虫害识别模型基于SD-Mask R-CNN深度学习网络对水稻主要虫害进行自动分类、识别,具有高效、精准、快速等优点。具体研究内容如下:（1）研发稻飞虱远程监测装备。针对稻飞虱的形态小的特点及其趋光性的生活习性,设计稻飞虱远程监测装备,利用光诱对稻飞虱进行针对性诱捕,隔离网防止体型较大的飞蛾类虫害进入影响监测,使用摄像头对稻飞虱进行拍照采样。整机主要由电源装置、图像采集装置,诱捕装置及控制系统构成,针对稻飞虱进行诱捕和拍摄采集。在设计过程中,充分考虑了装备的稳定性、便携性、实用性以及操作简单性,方便用户日常操作及维护。（2）水稻主要虫害样本图像的采集和扩增。使用智能虫情测报灯、新型飞蛾诱捕器和稻飞虱远程监测装备,对二化螟、棉铃虫及稻飞虱进行图像采集。图像预处理包括采集虫害单体样本初分割,图像的旋转、亮度和饱和度调节并完成数据集制作。（3）搭建Mask RCNN网络运行环境。使用Conda环境管理系统进行环境搭建,基于Keras模型库进行Tensor Flow1.13.2的搭建及其他依赖库的安装。保证Mask R-CNN识别网络能够在win10系统顺利运行。（4）构建并优化水稻田主要虫害识别模型。提出一种基于深度学习的SD-Mask R-CNN卷积神经网络完成精确识别分割虫害图片。网络是在Mask R-CNN识别网络的基础上,使用Swish激活函数对特征提取网络Res Net 101及其内部的深度残差块进行优化,提高识别网络的精度,同时将改进的深度残差收缩块引入特征提取网络。使用相同样本集分别训练Mask R-CNN识别模型和SD-Mask R-CNN识别模型,分析对比识别效果。