深度学习在土壤监测中的应用及展望

文献类型： 中文期刊

第一作者： 张超

作者： 张超;张海峰;张宇;张效霏;来永才;毕洪文;郑妍妍

作者机构：

关键词： 深度学习;土壤监测;人工智能;数据获取;数据处理

期刊名称： 农业展望

ISSN：

年卷期： 2023 年 012 期

页码： 81-86

摘要： 近年来,随着图像处理能力的提高和图像采集系统的发展,基于计算机视觉的图像分析方法在包括土壤科学在内的许多领域引起了极大的关注和推广应用.通过多种光谱组合形式的相机采集动态或静态土壤图像,然后通过相应计算机程序对其进行分类,可以进一步对土壤特性,包括水分、温度及有机碳等进行评估.为进一步加强农业种植能力,需要进一步预测农业生产中土壤的未来参数,高质量的土壤时序预测对于相关研究及农业生产具有重要意义.本研究综述了深度学习在土壤监测中的应用,指出深度学习是一种基于人工神经网络的表征学习算法,可以从各种类型的地理空间影像和数据中提取有意义的信息,在归纳总结了深度学习概念、特征的基础上,就深度学习在土壤监测中的应用及研究现状进行整理和综述,提出基于该预测方式可以给相关研究人员及农业和管理人员以较低成本的数据实现对农业生产中土壤特性的动态监测和预测,从而更好地指导农业生产.最后,从数据获取和质量、计算机视觉等方面提出了展望,以期能为深度学习在土壤监测中的应用提供参考,为精细化农业种植管理、现代化工业种植及农业物联网的发展提供支撑.

分类号： TP3

  • 相关文献

[1]人工智能驱动智慧奶牛养殖的思考与实践. 夏雪,侍啸,柴秀娟. 2020

[2]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[3]GPT技术驱动的农业发展范式研究与展望. 李灯华,李干琼,许世卫,陈威. 2023

[4]基于大数据的遥感参数人工智能反演范式理论形成与工程技术实现. 毛克彪,袁紫晋,施建成,武胜利,胡德勇,车进,董立新. 2023

[5]农田土壤监测无线传感器网络通信平台. 张瑞瑞,陈立平,郭建华,王彦集,徐刚. 2008

[6]葡萄树地上部形态结构数据获取方法. 温维亮,郭新宇,王勇健,李超,陆声链. 2015

[7]安徽省植保大数据平台建设与应用展望. 张萌,董伟,钱蓉,杨前进,张立平. 2020

[8]植物表型组学大数据及其研究进展. 赵春江. 2019

[9]基于Android智能手机的小麦生产风险信息采集系统. 尚明华,秦磊磊,王风云,刘淑云,张晓艳. 2011

[10]植物三维点云模型的处理应用. 魏学礼,肖伯祥,郭新宇,陆声链,温维亮. 2011

[11]农业物联网数据处理若干关键技术. 苏小波,周海波,严志雁. 2015

[12]运用Excel工具处理饲料总磷检测中的数据. 孔德顺,宋大书,高明琴,刘付祥. 2010

[13]土方机械噪声测试及数据处理. 李先鹏,韩兴昌,兰翼,薛明,汪伟,陈光阔. 2016

[14]主动源OBS探测技术及应用进展. 刘训矩,郑彦鹏,刘洋廷,华清峰,李先锋,李祖辉,马龙. 2019

[15]无人机低空遥感技术在大田作物监测与产量预测中的应用. 范道全,张美娜,吕晓兰,李雪. 2019

[16]基于农机空间运行轨迹的作业状态自动识别试验. 王培,孟志军,尹彦鑫,付卫强,陈竞平,魏学礼. 2015

[17]基于精准灌溉的农业物联网应用研究. 徐刚,陈立平,张瑞瑞,郭建华. 2010

[18]农田无线传感器网络数据服务器的设计与实现. 刘永生,陈立平,徐刚,张瑞瑞,王壮. 2009

[19]基于液相色谱串联高分辨质谱的动物源农产品兽药残留检测研究综述. 王卉,刘庆菊,韩平. 2020

[20]基于电离层残差法的GPS数据预处理研究. 李爱双,夏宁. 2019

作者其他论文 更多>>

微信小程序