项目针对目前喷药植保机械作业粗放、药液利用率低和环境污染严重等问题，围绕机器视觉技术的靶向精准喷药系统关键技术开展研究。基于卷积神经网络技术，研究了大田作物病害深度学习模型；基于OpenMV的视觉神经网络模型，开发视觉识别系统，实现了机器视觉系统对作物病害的自主诊断和定位；开展了施药喷头三维动态调控对标策略的研究，包括优化设计了大田作物病害监测用图像采集装置，靶向喷药多角度喷头，监测大田作物病害用补光装置等；研发了基于机器视觉的无线靶向施药测试平台，实现了田间作物病虫害在线检测、病害植株空间定位和靶向施药，达到了作物病虫害早发现早防治，低污染，高药效的绿色防控目的。主要创新点：1）提出并验证一种深度神经网络迁移学习技术的多种病虫害识别、病虫害植株空间定位技术。2）建立机器视觉靶向喷雾的测试平台，突破大田环境中自然光照条件和非结构性成像背景下的环境干扰，通过对人工照明角度和强度的有效控制，使系统运行不局限于自然光，并能在夜间工作，增加田间有效光照覆盖率。3）提出基于机器视觉的作物病虫害识别和靶向喷雾技术体系，该方法可拓展到其它作物病虫害的检测，具有较好的市场应用前景。项目以田间玉米螟、玉米大斑病、玉米小斑病和玉米茎腐病的在线检测、靶向喷药为研究对象，主要开展了玉米冠层和玉米根部图像采集系统、基于深度神经网络迁移学习技术的病虫害识别、病虫害植株的空间定位和玉米病虫害防治空间靶向施药的技术攻关。项目开发完成了作物病虫害识别与靶向精准施药系统实验平台1套，结合AlexNet和YOLO两种网络结构搭建玉米大斑病的学习模型，二者对玉米大斑病的识别率分别为96.7%和95%；基于OpenMV中的视觉神经网络进行训练测试，训练后的准确率达91.9%，其中对玉米病虫害识别范围为玉米健康、大斑病、小斑病和玉米茎腐病、玉米螟的识别率分别为100%，91.2%，96.7%，95.9%，81.2%；靶标识别精度为100%，目标区域喷施均匀度大于70%，靶向喷药有效覆盖率达到97%。达到了预期技术指标。围绕关键技术，申请专利6项，其中实用新型5项，发明1项；获批实用新型专利4项。申请获批软件著作权3项。发表论文6篇，其中国内3篇，国外发表3篇，核心2篇，SCI检索2篇，EI检索1篇。培养硕士生2人，相关技术人员3人。呈交科技报告四份。同时，将科研与教学相结合，开发实验教学案例，获得省部级二等奖2项，指导学生参加“挑战杯”创业竞赛，获得天津市银奖1项。