摘要：提出了一个面向智慧农业的智能图像标注系统,旨在解决智慧农业场景图像标注耗时问题。首先借鉴主动学习的思路,设计了全新的查询策略进行图片筛选,将待标注的图像分类为难标注图像和易标注图像,难标注图像用于优化自动标注模型,有利于提高自动标注的精度,为标注小规模的数据集提供便利;然后利用深度神经网络模型对易标注图像预测标注的区域和类别,将预测区域的边界信息及标签类别写入json格式文件,实现自动标注,通过改进Yolact实例分割模型标注有重叠的图像;最后对自动标注得到的json文件进行人工校验调整。通过详细的自动标注结果对比试验(如小麦、葡萄、圣女果等),证明该智能标注系统在智慧农业领域表现出优异的性能;通过人工校正占比、标注时间、标注效率等定量对比实验,验证了相比传统人工标注方法具有更高的效率;通过与其他已有的智能图像标注系统对比实验,发现提出的智能图像标注系统更适用于智慧农业领域。这一研究结果为智慧农业图像标注提供了一种全新的智能化标注工具,具有重要的应用价值和推广前景。