随着信息技术的发展,农业信息逐渐转向智能化。为突出信息真实性和及时性,在农产品追溯系统中对农产品生产过程进行信息化记录尤为普遍。农业生产过程记录是农产品质量追溯的重要环节,因此利用农业生产图像自动识别农事行为活动变得尤为重要。行为识别目前有传统学习和深度学习两类方法,对于人类简单的行为大多数取得了不错的效果。行为识别拥有广阔的使用场景,如智能监控、人机交互等,然而在农业应用领域还没有显著研究和利用。在不同的应用场景中会存在不同的研究重点,对于农事活动行为应用场景,行为应当更加注重人与物的交互信息。随着农事类别的增加,不同行为特征的差异性将逐渐明显。因此,本文针对行为识别在农业领域的运用,提出了一种基于特征融合的农事活动行为识别方法,并且对农事行为提出了一种关键行为特征的行为表示方法。本文研究了静态图像的农事活动行为,为了充分运用静态图像中的特征,考虑图像中隐藏的行为结构,本文利用人体姿态估计Open Pose模型和目标检测YOLOv3模型提出了基于特征融合的农事活动行为识别方法。由于该特征融合方法中的关键关节点为手工选取,随着农事行为类别不断增加,行为的关键行为表示差异将逐渐明显。为了提高模型的泛化能力,提出了基于关键行为特征的行为表示方法,对每一类行为动作提取各自的关键特征。本文的主要研究内容及成果如下:（1）对农事活动图像采用人体姿态估计和目标检测技术构建显示特征,并通过农事图像中显式特征所隐含的关联结构信息构建隐式特征,利用显示特征和隐式特征构建一种基于图像特征融合的行为识别方法。结果表明,多特征相比单特征在识别准确率上有较大的提升,证明了多特征融合的农事活动行为识别方法的有效性。（2）特征融合的行为识别方法通过手工固定选取关键关节点,针对农事活动行为逐渐增多的情况,手工选取的固定关键关节点将不能代表更多行为各自的特征。因此,本文提出了一种基于关键行为特征的行为表示方法。该方法利用孪生神经网络比较每一类各自骨架子图的相似程度,将具有最大平均相似度的骨架子图作为各自行为的行为代表。结果表明,在基于关键关节点特征的基础上进行行为识别,既保证了行为识别的准确率,又提高了行为识别方法的泛化能力。