《表3 深度学习在植物生物胁迫分析中的应用举例》

  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

《深度学习在植物表型研究中的应用现状与展望》

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

在生物胁迫方面，虫害和病害是造成作物减产的主要因素。世界范围内的林木、果蔬、观赏和药用植物以及主粮生产作物等都可能受到不同程度、不同类型的虫害病害侵袭，对相关产业产值收益造成重大损失。在植物胁迫表型识别与定性定量的系列研究中，众多文献对不同植物在相应典型生物胁迫下的表型性状进行了分类与识别、定性与定量的相关研究工作，表3列举了部分代表性文献，涉及到大豆、香蕉、玉米和油菜等作物的典型生物胁迫的识别与鉴定，算法以卷积神经网络为主，通过数码图像对作物的病害种类进行了鉴定，对病害程度进行了定性与定量分析。