概括
计算机视觉和深度学习通过使详细的植物分析能够提高作物产量来推进精准农业. 这些技术有助于作物管理任务,从基因型选择到产量预测.
科学领域:
- 植物科学 植物科学
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 精准农业 精准农业 精准农业
背景情况:
- 精准农业优化作物产量,并通过有针对性的水,杀虫剂和作物管理,最大限度地减少对环境的影响.
- 计算机视觉和深度学习正在成为先进的作物管理和植物表型化的关键工具.
研究的目的:
- 详细介绍最近在植物科学中应用的计算机视觉和深度学习技术.
- 提供对成像参数,深度神经网络和植物分析应用的见解.
主要方法:
- 关于植物科学中计算机视觉和深度学习的最新文献的综述.
- 分析经常使用的成像参数和植物图像分析公式.
- 用于植物分类,检测和对象计数的深度神经网络的识别.
主要成果:
- 详细讨论各种应用,包括基因型选择,杂草/害虫检测和产量预测.
- 介绍常用的成像参数和深度神经网络模型.
- 对公开可用的植物图像数据集,评估指标,工具和框架的概述.
结论:
- 计算机视觉和深度学习为有效的作物管理和植物表型化提供了显著的进步.
- 该研究强调了当前的趋势,数据集和工具,同时也解决了该领域的未来挑战.
相关概念视频
02:16Light Acquisition
8.4K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
8.4K
01:59Plant Breeding and Biotechnology
18.6K
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
18.6K