摘要： 为了解决传统农业病虫害防控监测手段单一与识别精度不高等问题，提高谷类作物病虫害识别准确率以 及预警时效性，构建了基于IT传感器阵列与深度学习的谷类作物病虫害早期预警系统。采用多模态传感器网络 部署与改进ResNet卷积神经网络建模，LSTM-Transfommer混合时序预测算法设计与边缘-云协同架构开发等方 法，系统通过部署多模态传感器网络实现对作物生长环境与病虫害特征的实时监测采集，深度学习算法引擎整合 了卷积神经网络与长短期记忆网络实现对病虫害图像识别与时序预测的双重功能，预警决策系统基于多源数据融 合与专家知识库构建了4级预警机制。实际应用验证表明，系统病害识别准确率达到95.1%，害虫识别准确率达 到93.2%，综合识别准确率达到94.3%，预警准确率达到89.6%，预警提前期平均达到72h,相比传统方法识别 准确率捉升27.8百分点，农药使用量减少32.5%，作物损失率降低3.8百分，点，为现代粉准农业提供了技术支 撑与科学决策依据。

关键词: oT传感器阵列；深度学习；病虫害识别；早期预警；谷类作物

中图分类号: 

• S127