农作物病害论文是评职称成果吗

　　农业从业人员满足学历、资历条件可评定农艺师，高级农艺师职称，而且他们也需要发表论文作为自己的科研成果，有的作者会发表农作物病害论文，有的作者会发表农作物种植栽培论文，这主要是看大家所从事的工作，工作专业不同那么论文要求就是不同的。

　　评定农艺师职称，一般需要公开发表、出版本专业较高水平的论文(第一作者)、著作(主要编著者)，具备下列条件之一：

　　(一)著作1部和在省级专业期刊发表论文1篇以上;

　　(二)在省级以上专业期刊发表论文2篇以上;

　　(三)在国际或全国性专业学术会议上宣读论文1篇以上;

　　其实满足要求的论文就是可以作为评定职称成果的，下面学术顾问在这里也分享了两篇农作物病害方向的职称论文，是以往评职人员发表的论文范例，大家可作为参考：

　　论文一、基于语义分割的农作物病害识别综述研究

　　摘要计算机视觉是在感知层上最为重要的核心技术之一,被应用于众多领域。在农业领域,主要应用于植物生长监测、农作物病害的监测与防治等。结合深度学习发展的大背景,将图像语义分割分为基于编-解码架构和基于融合架构,并对优秀学者在农作物病害识别方面的研究进行详细介绍,总结农作物病害图像分割应用中所存在的问题。

　　关键词图像语义分割 深度学习 农作物病害识别 监督学习

　　论文二、基于改进深度神经网络的农作物病害识别研究

　　摘要针对农作物病害图像样本难收集的问题,本文采用迁移学习算法并结合深度学习提出了一种基于MobileNet的M25Net模型。通过对38类作物和1类背景图像的5.5万多幅农作物健康与病害图像进行训练,获得了农作物病害识别模型,其识别准确率可达99.67%。为了验证M25Net模型识别农作物病害类型的能力,分别与使用迁移学习的MobileNet、InceptionV1、InceptionV2、InceptionV3、ResNet 50、ResNet 101、ResNet 152模型进行对比试验,结果表明,M25Net模型比其它模型的识别精度提升了1.89%~4.86%,具有更高的分类精度,农作物病害类型识别的泛用性增强。

　　关键词农作物病害识别 深度学习 迁移学习 M25Net模型