相关实验视频
Updated: May 10, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
8.9K
对计算机视觉中的深度学习进行全面的审查,以监测果树生长和水果生产
Meng Lv1, Yi-Xiao Xu1, Yu-Hang Miao1
1College of Engineering, China Agricultural University, 17 Qinghua East Road, Haidian, Beijing 100083, China.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
深度学习和计算机视觉通过监控树木生长和水果生产来增强果园管理. 本文重点介绍了用于害虫检测,器官生长分析和产量估计的模型,这些模型对于智能农业至关重要.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 果种植面临的挑战包括低于最佳的树木生长和劳动密集型果园运营,影响利能力.
- 需要技术进步来优化果生产并确保经济可行性.
研究的目的:
- 审查过去七年来深度学习和计算机视觉技术在监测果树生长和水果生产中的应用.
- 为各种果园监测任务确定有效的深度学习模型.
主要方法:
- 关于深度学习和计算机视觉应用在果园中的综合文献综述.
- 分析了三种深度学习模型类别:检测 (YOLO,更快的R-CNN),分类 (AlexNet,ResNet) 和细分 (SegNet,Mask R-CNN).
主要成果:
- 深度学习模型成功地用于检测各种树木部分上的害虫和疾病.
- 模型在监测器官生长 (果实,花朵,树枝) 和估计产量方面表现出有效性.
- 使用这些先进的技术,还可以检测收获后的水果缺陷.
结论:
- 深度学习和计算机视觉为实时监控和管理果园提供了强大的工具.
- 该研究概述了当前的研究,讨论了模型的优点/缺点,并确定了智能果养殖的未来趋势.
- 这项研究对于开发和实施智能果园系统至关重要.
