您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

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

作者： 张金梦 1 ; 张倩 1 ; 王明 1 ; 谭雅蓉 1 ; 陶震宇 1 ; 于金莹 1 ;

作者机构： 1.北京市农林科学院数据科学与农业经济研究所

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。

  • 相关文献

[1]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

[2]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

[3]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

[4]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

[5]基于高光谱和深度学习的水稻秸秆覆盖度遥感估算. 岳继博,李婷,宋洁,田庆久,刘杨,冯海宽. 2024

[6]利用无人机高光谱成像和ES-CNN策略诊断油茶营养. 陈龙跃,段丹丹,高佳华,张祖铭,孙鹤,姜毅,冉成. 2024

[7]夏玉米涝灾无人机LIDAR监测研究. 甘平,董燕生,孙林,廖永丰,郭清,吕雪锋,何飞. 2016

[8]基于卷积模型的农业问答语性特征抽取分析. 张明岳,吴华瑞,朱华吉. 2018

[9]基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法. 韩旭,赵春江,吴华瑞,朱华吉,张燕. 2021

[10]基于紫外-可见光谱与深度学习CNN算法的水质COD预测模型研究. 贾文珅,张恒之,马洁,梁刚,王纪华,刘鑫. 2020

[11]基于多语义特征的农业短文本匹配技术. 金宁,赵春江,吴华瑞,缪祎晟,王海琛,杨宝祝. 2022

[12]基于CNN的作物分类识别图像获取平台研究进展. 张倩,王明,于峰,陶震宇,张辉,李刚. 2024

[13]基于多模态数据驱动的黄瓜温室湿度预测方法. 黄天艺,吴华瑞,朱华吉. 2023

[14]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[15]基于CNN-GRU的菇房多点温湿度预测方法研究. 赵全明,宋子涛,李奇峰,郑文刚,刘宇,张钟莉莉. 2020

[16]基于卷积神经网络的生菜多光谱图像分割与配准. 黄林生,邵松,卢宪菊,郭新宇,樊江川. 2021

[17]高光谱图谱结合策略检测小麦单粒种子活力. 石睿,张晗,王成,康凯,罗斌. 2024

[18]基于网络的智能化专家系统开发平台的研究. 杨宝祝,吴建伟,薛敏菊,吴华瑞. 2007

[19]基于构件网格的农业专家系统研究. 张凤霞,吴华瑞,杨宝祝. 2006

[20]基于物联网的农业智能标准化生产管理平台的研究与应用. 平阳,于金莹. 2018

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台