典型文献
深度学习在植物叶部病害检测与识别的研究进展
文献摘要：
植物病害准确检测与识别是其早期诊断与智能监测的关键,是病虫害精准化防治与信息化管理的核心.深度学习应用于植物病害检测与识别中,可以克服传统诊断方法的弊端,大幅提升病害检测与识别的准确率,引起了广泛关注.本文首先收集和介绍了部分公开的植物病害图像数据集,然后系统地综述了近年来深度学习在植物病害检测和识别中的研究应用进展,阐述了从早期检测和识别算法到基于深度学习的检测和识别算法的研究进展,以及各算法的优点和存在的问题.调研了相关研究文献,提出了光照、遮挡、复杂背景、病害症状之间相似性、病害在不同时期症状会有不同的变化以及多种病害交叠共存是目前植物病害检测和识别面临的主要挑战.并进一步指出,将性能更好的神经网络、大规模数据集和农业理论基础相结合,是未来主要的发展趋势,同时还指出了多模态数据可以用于植物早期病害的识别,也是未来发展方向之一.本文可为植物病害识别的深入研究与发展提供参考.
文献关键词：
植物;叶部病害;深度学习;病害检测;识别;卷积神经网络;病害图像数据集
中图分类号：
作者姓名：
邵明月;张建华;冯全;柴秀娟;张凝;张文蓉
作者机构：
中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室,北京100081;甘肃农业大学机电工程学院,甘肃兰州730070
文献出处：
引用格式：
[1]邵明月;张建华;冯全;柴秀娟;张凝;张文蓉-.深度学习在植物叶部病害检测与识别的研究进展)[J].智慧农业（中英文）,2022(01):29-46
A类：
B类：
植物叶,叶部病害,病害检测,检测与识别,植物病害,智能监测,病虫害,信息化管理,学习应用,传统诊断,病害图像数据集,检测和识别,研究应用进展,从早,早期检测,识别算法,遮挡,复杂背景,病害症状,交叠,主要挑战,大规模数据集,多模态数据,早期病害,病害识别,研究与发展
AB值：
0.283891
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
