典型文献
基于人工智能的作物与草坪杂草识别研究进展
文献摘要：
杂草是造成作物减量、增加生产成本和降低经济增益的重要因素之一.传统杂草识别技术识别效率低,难以适应复杂环境.随着人工智能技术特别是深度卷积神经网络(Deep Convolutional Neural Net-works,DCNN)的快速发展,其在杂草识别中的应用愈趋广泛,成为了最具发展潜能的识别方法.不同于以往杂草识别方法分类进行研究现状的综述,从研究对象的角度出发,分别对玉米等农作物、蔬菜等经济作物和草坪进行综述,并将识别方法集中于深度学习(Deep Learning,DL)等人工智能领域.研究中包括但不限于图像分割、杂草预处理、检测、定位及分类.查阅文献发现玉米是农作物中主要的研究对象,经济作物中则是生菜与甜菜,草坪研究起步虽晚但发展迅速,在上述作物的杂草识别中深度学习方法较传统识别方法均取得了更高的准确率及精度,更适于复杂环境中的检测.
文献关键词：
杂草识别;人工智能;深度学习;草坪杂草
中图分类号：
作者姓名：
方璇;金小俊;陈勇
作者机构：
南京林业大学机械电子工程学院,江苏 南京210037
文献出处：
引用格式：
[1]方璇;金小俊;陈勇-.基于人工智能的作物与草坪杂草识别研究进展)[J].林业机械与木工设备,2022(10):30-36
A类：
B类：
草坪杂草,杂草识别,加生,技术识别,复杂环境,深度卷积神经网络,Deep,Convolutional,Neural,Net,works,DCNN,发展潜能,方法分类,经济作物,Learning,DL,人工智能领域,不限,图像分割,生菜,甜菜,述作,深度学习方法,适于
AB值：
0.31045
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。
