卷积神经网络及其在田间杂草管理中应用的研究进展

文献类型： 中文期刊

第一作者： 张金梦

作者： 张金梦;张倩;王明;谭雅蓉;陶震宇;于金莹

作者机构：

关键词： 卷积神经网络;杂草;管理;深度学习;检测;智能化;无人机

期刊名称： 蔬菜

ISSN： 1001-8336

年卷期： 2024 年 007 期

页码： 28-36

摘要： 杂草是影响作物产量的主要生物因素之一，可阻碍作物的生长，进而影响作物的产量和品质，传统的人工除草、机械除草、化学药剂除草方式已不能满足精准除草的需求，而近年来基于卷积神经网络（CNN）的深度学习技术发展迅速，成为图像识别的重要工具，并且在杂草检测、害虫识别、植物或果实计数及其成熟度分级等农业领域取得了显著成果。为了使田间杂草管理更高效，促进农业生产智能化，基于卷积神经网络研究情况，从目标检测、图像分割、图像分类、基于无人机图像应用等方面概述了卷积神经网络在田间杂草管理中应用的研究进展，并从数据采集、杂草检测的精度、模型的泛化能力3个方面进行了展望。总之，基于CNN的杂草管理应用研究已经取得了一定的成果，但仍存在许多挑战和问题需要解决。未来研究应关注提高数据数量和质量、提高杂草识别的准确性和可靠性、提高深度学习模型的泛化能力和鲁棒性，并引导无人机自主进行制图，实现无人机与地面设备的协同作业；同时，加强CNN等深度学习技术在实际生产中多方面的应用研究，为农业生产提供更高效、智能的解决方案。

分类号： S451

  • 相关文献

[1]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

[2]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[3]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

[4]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

[5]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

[6]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

[7]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

[8]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

[9]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

[10]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

[11]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

[12]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

[13]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

[14]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[15]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

[16]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

[17]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

[18]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

[19]基于脸部RGB-D图像的牛只个体识别方法. 刘世锋,常蕊,李斌,卫勇,王海峰,贾楠. 2023

[20]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

作者其他论文 更多>>

微信小程序