用于自动叶片病虫害识别的图像处理技术的最新进展–综述,Information Processing in Agriculture
快速准确的植物病害检测对于以可持续的方式提高农业生产率至关重要。传统上，一直依靠人类专家来诊断由疾病，病虫害，营养不足或极端天气引起的植物异常。然而，这是昂贵的，费时的，并且在某些情况下是不切实际的。为了应对这些挑战，对使用图像处理技术进行植物病害识别的研究已经成为热门研究课题。在本文中，我们提供了使用图像处理和机器学习技术对农作物病虫害和疾病识别领域进行的最新研究的全面综述。我们希望这项工作将为使用图像处理技术识别作物病虫害的研究人员提供宝贵的资源。尤其是，由于数字RGB相机的低成本和高可用性，我们专注于RGB图像的使用。我们报告说，最近的努力集中在使用深度学习，而不是使用手工制作的特征来训练浅层分类器。研究人员已经报告了特定数据集的高识别精度，但是在许多情况下，当在不同的数据集上或在野外条件下进行测试时，这些系统的性能会大大降低。然而，迄今为止取得的进展令人鼓舞。实验结果还显示了十种CNN架构在识别精度，召回率，精度，特异性，F1得分，训练持续时间和存储要求方面的叶病识别性能。随后，针对最适合在常规以及移动/嵌入式计算环境中部署的体系结构，提出了一些建议。我们还讨论了一些未解决的挑战，这些挑战需要得到解决，以便开发出可在田间条件下使用的实用的自动植物病害识别系统。
"点击查看英文标题和摘要"
相关知识
面向大规模多类别的病虫害识别模型
农作物病虫害识别技术的发展综述
基于神经结构搜索的多种植物叶片病害识别
MATLAB图像识别技术在棉花叶面病虫害识别上的
花卉识别的前沿技术
Yolo v5深度学习用于植物叶片病害识别【matlab】
自动叶片感染识别系统:智能检测植物疾病的革新技术
六项作物病虫害识别监测农研最新进展
农作物病虫害遥感监测关键技术研究进展与展望
农作物病虫害识别进展概述
网址: 用于自动叶片病虫害识别的图像处理技术的最新进展–综述,Information Processing in Agriculture https://m.huajiangbk.com/newsview339491.html
| 上一篇: 虚假的耐热植物和真正的耐热植物， |
下一篇: 废弃的树桩树枝还能这么用，他们的 |
