《表4 数据预处理：深度学习在我国农业中的应用研究现状》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习在我国农业中的应用研究现状》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

所综述论文97%（63篇）涉及数据预处理。预处理环节相应预处理方法如表4所示，数据预处理过程包括数据清洗、数据转换和降维处理。其中数据清洗技术主要是用于保证数据特定特征的完整性；数据转换是为了满足深度学习模型的要求，将数据从一种格式或结构转换为另一种格式或结构的过程；降维是去除不相关和冗余的变量，降低分析和生成模型的复杂性，提高建模效率[107]。最常见的预处理方法是调整图像大小，包括图像分割、缩放和归一化（48篇）。根据DL模型的要求，图像像素大小为600×600、256×256、128×128、95×95和48×48是最常见的尺寸。