基于CNN的作物分类识别图像获取平台研究进展

文献类型： 中文期刊

第一作者： 张倩

作者： 张倩;王明;于峰;陶震宇;张辉;李刚

作者机构：

关键词： 作物表型;机器学习;卷积神经网络;图像获取;作物分类识别

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2024 年 008 期

页码： 170-179

收录情况： 北大核心

摘要： 基于机器视觉的作物精准分类识别是农业自动化、智能化作业的前提。在作物图像分类识别任务中，卷积神经网络（CNN）是当前应用最广泛的算法之一。作物表型特征及生长环境的复杂性，决定作物图像获取平台的多样性。通过分析2020—2022年国内外基于CNN的作物分类识别研究，图像获取平台可划分为通用平台和自建平台两大类：通用平台硬件产品成熟、部署方便，但要做好设备选型和环境搭建；自建平台分为固定式和移动式，能高效获取试验数据，但硬件集成较为复杂。详细对比分析各类平台的优缺点及适用范围。作物图像获取平台的未来趋势包括：高通量、高效率、自动化的通用图像获取装置，集成多种传感器的多模态数据采集与融合应用，自带运算处理的智能摄像头等，更精细化的图像获取平台将有效支撑作物表型的深入研究。

分类号： TP183%TP391.41%S31

  • 相关文献

[1]基于机器学习和无人机图像的棉花密度识别研究. 张静,王清茹,雷亚平,王占彪,韩迎春,李小飞,邢芳芳,范正义,李亚兵,冯璐. 2021

[2]基于机器视觉的农作物病害识别研究进展. 麻剑钧,刘晓慈,金龙新,熊伟,易森林,封春芳,刘阳,夏先亮. 2023

[3]基于无损力学平台的水稻倒伏表型分析(英文). 吕梦琪,Sunghwan JUNG,麻志宏,万亮,孙大伟,岑海燕. 2023

[4]农田信息采集车设计与试验. 姚照胜,刘涛,刘升平,邓国强,武威,孙成明. 2019

[5]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

[6]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

[7]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

[8]小样本卷积神经网络井震映射反演. 安振芳,张进,张建中,邢磊,黄忠来. 2020

[9]采用卷积神经网络构建西北太平洋柔鱼渔场预报模型. 朱浩朋,伍玉梅,唐峰华,靳少非,裴凯洋,崔雪森. 2020

[10]基于SVM和CNN组合模型的黄瓜病斑叶片检测与识别. 王浩,王建春,李凤菊,钱春阳,张雪飞,徐义鑫,吕雄杰,杜彦芳,宋斌. 2020

[11]基于轻量化卷积神经网络的改进模型与验证. 李润龙,王运圣,徐识溥,刘勇. 2020

[12]基于VGG-16卷积神经网络的海水养殖病害诊断. 李海涛,王腾,王印庚. 2020

[13]基于卷积神经网络的水稻纹枯病图像识别. 刘婷婷,王婷,胡林. 2019

[14]基于U-Net的甘蔗提取方法. 董秀春,蒋怡,王思,李宗南,王昕. 2019

[15]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

[16]融合语义特征与边缘特征的枸杞空间分布提取. 尹昊,张承明,李剑萍,韩颖娟,侯学会. 2022

[17]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

[18]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

[19]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

[20]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

作者其他论文 更多>>

微信小程序