典型文献
高光谱图像在农作物病害检测识别中的研究进展
文献摘要：
农作物病害无损检测是保证作物产量和质量的关键环节,起到及时发现病害、指导农药的使用、减少经济损失等作用.本文介绍了高光谱成像技术用于农作物病害检测的原理;从支持向量机、偏最小二乘回归、深度学习识别算法方面综述了2017—2021年高光谱成像技术在农作物病害检测中的国内外研究进展;分析了作物病害高光谱图像识别算法的原理和分类流程,对3种深度学习算法:[深度置信网络(DBN)、基于自编码网络(AE)的栈式自编码网络(SAE)、卷积神经网络(CNN)]在农作物病虫害高光谱图像识别方面的应用进行优缺点对比;对常见深度学习分类指标计算过程和原理进行说明;指出高光谱检测识别农作物病害中面临的问题:异物同谱、数据预处理特征提取过程繁杂、数据量小且训练数据不平衡,并针对这些问题给出未来的研究方向.
文献关键词：
高光谱成像;病害无损检测;深度学习;图像识别
中图分类号：
作者姓名：
胡政;张艳;尚静;张楷文
作者机构：
贵州大学大数据与信息工程学院,贵州贵阳550025;贵阳学院/农产品无损检测工程研究中心,贵州贵阳550005
文献出处：
引用格式：
[1]胡政;张艳;尚静;张楷文-.高光谱图像在农作物病害检测识别中的研究进展)[J].江苏农业科学,2022(08):49-55
A类：
B类：
高光谱图像,农作物病害,病害检测,检测识别,病害无损检测,作物产量,产量和质量,高光谱成像技术,偏最小二乘回归,识别算法,法方,图像识别,深度学习算法,深度置信网络,DBN,栈式自编码网络,SAE,农作物病虫害,分类指标,指标计算,光谱检测,异物,数据预处理,繁杂,数据量,训练数据,数据不平衡
AB值：
0.197842
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。
