農(nóng)業(yè)從業(yè)人員滿足學(xué)歷、資歷條件可評(píng)定農(nóng)藝師，高級(jí)農(nóng)藝師職稱，而且他們也需要發(fā)表論文作為自己的科研成果，有的作者會(huì)發(fā)表農(nóng)作物病害論文，有的作者會(huì)發(fā)表農(nóng)作物種植栽培論文，這主要是看大家所從事的工作，工作專業(yè)不同那么論文要求就是不同的。

　　評(píng)定農(nóng)藝師職稱，一般需要公開發(fā)表、出版本專業(yè)較高水平的論文(第一作者)、著作(主要編著者)，具備下列條件之一：

　　(一)著作1部和在省級(jí)專業(yè)期刊發(fā)表論文1篇以上;

　　(二)在省級(jí)以上專業(yè)期刊發(fā)表論文2篇以上;

　　(三)在國際或全國性專業(yè)學(xué)術(shù)會(huì)議上宣讀論文1篇以上;

　　其實(shí)滿足要求的論文就是可以作為評(píng)定職稱成果的，下面學(xué)術(shù)顧問在這里也分享了兩篇農(nóng)作物病害方向的職稱論文，是以往評(píng)職人員發(fā)表的論文范例，大家可作為參考：

　　論文一、基于語義分割的農(nóng)作物病害識(shí)別綜述研究

　　摘要計(jì)算機(jī)視覺是在感知層上最為重要的核心技術(shù)之一,被應(yīng)用于眾多領(lǐng)域。在農(nóng)業(yè)領(lǐng)域,主要應(yīng)用于植物生長(zhǎng)監(jiān)測(cè)、農(nóng)作物病害的監(jiān)測(cè)與防治等。結(jié)合深度學(xué)習(xí)發(fā)展的大背景,將圖像語義分割分為基于編-解碼架構(gòu)和基于融合架構(gòu),并對(duì)優(yōu)秀學(xué)者在農(nóng)作物病害識(shí)別方面的研究進(jìn)行詳細(xì)介紹,總結(jié)農(nóng)作物病害圖像分割應(yīng)用中所存在的問題。

　　關(guān)鍵詞圖像語義分割 深度學(xué)習(xí) 農(nóng)作物病害識(shí)別 監(jiān)督學(xué)習(xí)

　　論文二、基于改進(jìn)深度神經(jīng)網(wǎng)絡(luò)的農(nóng)作物病害識(shí)別研究

　　摘要針對(duì)農(nóng)作物病害圖像樣本難收集的問題,本文采用遷移學(xué)習(xí)算法并結(jié)合深度學(xué)習(xí)提出了一種基于MobileNet的M25Net模型。通過對(duì)38類作物和1類背景圖像的5.5萬多幅農(nóng)作物健康與病害圖像進(jìn)行訓(xùn)練,獲得了農(nóng)作物病害識(shí)別模型,其識(shí)別準(zhǔn)確率可達(dá)99.67%。為了驗(yàn)證M25Net模型識(shí)別農(nóng)作物病害類型的能力,分別與使用遷移學(xué)習(xí)的MobileNet、InceptionV1、InceptionV2、InceptionV3、ResNet 50、ResNet 101、ResNet 152模型進(jìn)行對(duì)比試驗(yàn),結(jié)果表明,M25Net模型比其它模型的識(shí)別精度提升了1.89%~4.86%,具有更高的分類精度,農(nóng)作物病害類型識(shí)別的泛用性增強(qiáng)。

　　關(guān)鍵詞農(nóng)作物病害識(shí)別 深度學(xué)習(xí) 遷移學(xué)習(xí) M25Net模型