典型文献
深度学习在杂草识别领域的研究现状与展望
文献摘要：
使用深度学习精准识别杂草实现使用农药减量、增效、安全的目标受到研究人员的广泛关注.因此综述近年来国内外使用深度学习算法对不同作物的杂草进行识别检测的研究进展,重点从数据获取、算法选择、优化部分、识别效果等方面总结研究现状,指出其在数据集建立费时费力、田间识别精度低、算法设备部署困难、实时性与准确率不能兼得等方面的问题,并提出解决方案,同时展望数据集建立简易和准确,算法模型结构轻量和鲁棒性强,便于部署移动设备的发展趋势以及未来应用的方法,为后续杂草精准化清除研究提供参考.
文献关键词：
精准化;深度学习;杂草识别;数据获取;模型优化
中图分类号：
作者姓名：
李东升;胡文泽;兰玉彬;范明洪;李翠云;朱俊科
作者机构：
山东理工大学农业工程与食品科学学院,山东淄博,255000;山东省农业航空智能装备工程技术研究中心,山东淄博,255000
文献出处：
引用格式：
[1]李东升;胡文泽;兰玉彬;范明洪;李翠云;朱俊科-.深度学习在杂草识别领域的研究现状与展望)[J].中国农机化学报,2022(09):137-144
A类：
B类：
杂草识别,研究现状与展望,使用深度,精准识别,农药减量,深度学习算法,识别检测,数据获取,算法选择,数据集建立,费时费力,田间,识别精度,设备部,兼得,提出解决方案,算法模型,模型结构,移动设备,未来应用,模型优化
AB值：
0.424142
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。
