学术中心
综述:基于深度学习的植物表型图像识别技术
发布时间:
2021-02-12
来源:
本站
作者:
PhenoTrait
植物表型图像识别(PPIR)是智慧农业的一个重要分支。近年来,深度学习在图像识别方面取得了重大突破。因此,基于深度学习的PPIR技术越来越流行。
关系结构匹配方法流程图
支持向量机(SVM)的流程图
本文首先介绍了PPIR技术的发展和应用,然后对PPIR技术进行了分类和分析。其次,介绍了四种深度学习方法(包括卷积神经网络、深层信念网络、递归神经网络和堆叠式自动编码器)的理论及其在PPIR中的应用(植物物种识别、植物病害诊断等领域)。最后,讨论了PPIR中深度的难点和挑战。
深度学习流程图
PPIR中DBN的一般操作流程图
来源:
Xiong J, Yu D ,Liu S, et al. A Review of Plant Phenotypic Image Recognition Technology Based on Deep Learning. Electronics 2021, 10(1), 81; https://doi.org/10.3390/electronics10010081.
推荐新闻
本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。
让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
视频展示