基于多尺度成像的自动非破坏性检测:一个技术视角
Guoqing Feng1,2,3, Ying Gu1,2, Cheng Wang1,2,3
1Research Center of Intelligent Equipment, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100089, China.
Plants (Basel, Switzerland)
|July 13, 2024
概括
先进的成像和深度学习提供高效的,自动检测在小麦的虫头部病 (FHB). 本综述总结了用于改善疾病管理和未来研究方向的多尺度成像技术.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
背景情况:
- 菌头部病 (FHB) 对全球小麦产量构成重大威胁.
- 现有的FHB审查缺乏先进检测技术的全面摘要.
- 传统的FHB检测方法往往是低效的,缺乏自动化.
研究的目的:
- 审查用于在小麦中检测Fusarium头部虫害的先进成像技术.
- 总结FHB检测和分析的最新算法和方法.
- 确定实际FHB检测技术的挑战和未来方向.
主要方法:
- 小麦FHB流行病机制和受感染的小麦特征的概述.
- 图像尺度的分类:微观,中等,亚宏观和宏观.
- 综述最近关于使用各种成像技术和深度学习检测FHB的研究文章.
主要成果:
- 图像技术提供了自动化和高效的小麦FHB检测.
- 结合计算机视觉,深度学习和FHB检测的研究的爆炸性增长.
- 识别这些技术在实际应用中的潜在困难.
结论:
- 多尺度成像和深度学习为小麦FHB检测提供了有希望的途径.
- 介绍了多尺度成像检测FHB的理想应用模式.
- 该审查为融合,非破坏性,全面的FHB检测系统铺平了道路.


