深度学习方法在农业领域的研究及应用

文献类型： 中文期刊

第一作者： 马聪

作者： 马聪;张建华;陈学东;朱丹

作者机构：

关键词： 深度学习;卷积神经网络;病虫害识别;分类;行为监测

期刊名称： 宁夏农林科技

ISSN： 1002-204X

年卷期： 2020 年 001 期

页码： 35-37,42

摘要： 深度学习方法因其具有学习能力强、覆盖范围广、自适应力强、可移植性好等优点,适用于解决实际生产的非线性问题,在农业领域得到了广泛研究和应用.文章简述了深度学习的概念及其特点,从种植业和养殖业2个方面阐述了深度学习在农业领域的研究现状;详细介绍了在分类识别、病虫害识别及预测、动物身份识别及行为监测等方面的研究进展及效果;总结了目前制约深度学习方法进一步应用的原因是样本数据量大、处理要求高和硬件不匹配等;最后对深度学习的发展趋势进行了展望.

分类号： S126%TP18

  • 相关文献

[1]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[2]基于深度学习的水稻病虫害诊断方法研究. 姜敏,沈一鸣,张敬尧,饶元,董伟. 2019

[3]基于深度学习网络实现番茄病虫害检测与识别. 王铭慧,张怀清,樊江川,陈帮乾,云挺. 2023

[4]基于深度学习的枸杞病虫害识别研究. 李季,杨淑婷,张学俭,周慧,冶鑫,梁爱银. 2024

[5]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[6]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[7]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[8]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[9]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[10]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[11]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[12]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[13]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[14]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[15]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[16]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[17]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[18]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[19]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[20]深度学习在农业领域的研究与应用. 梁美静,毛克彪,郭中华,袁紫晋. 2024

作者其他论文 更多>>

微信小程序