【目的】传统的蜻蜓目(Odonata)昆虫的鉴别算法是在标本图片上进行人工的特征提取来训练分类器，此类方法所用的数据集包含的蜻蜓目昆虫种类和数量均较少，并且样本背景单一，导致识别率低且只能识别标本图片。针对这些问题制作了一个同时包含蜻蜓目昆虫生态图片和标本图片的数据集，提出一种基于深度学习的蜻蜓目昆虫的识别算法。【方法】采用具备端到端学习优势的网络框架，在上述数据集上，使用在ImageNet上迁移学习的ResNet50进行特征提取，使用新的区域建议网络Imp-RPN进行特征筛选，再使用改进的损失函数来解决样本分布不均的问题。【结果】所提出的识别算法在精确到种的46类分类任务中识别率达到了96.2%，在精确到种并包含性别信息的90类分类任务中识别率则达到了88.7%。【结论】端到端的深度学习网络框架免除了人工标注样本的时间成本，提高了识别准确率，更能满足物种鉴别任务的需求。