《表2 植物识别系统:表示学习技术研究进展及其在植物表型中应用分析》
植物种类识别研究对于生态监测任务至关重要,可以有效地检测生物生长情况,保护生物多样性。分析一个地区的生物种类分布情况,对于濒危物种的种群规模进行定期监测,并且分析研究生态环境的变化对于物种分布的影响,这对植物识别的准确性提出了很高的要求。植物种类识别研究不仅是植物学以及生态学的研究重点,而且对于农业生产有指导作用[83]。表示学习运用卷积神经网络[54]、概率神经网络[84]、稀疏表示字典[38]等模型完成了多达上万种的植物图像分类与识别任务(表2),在测试数据库和公开植物数据库中都获得了较高的准确率。但由于这一类细粒度图像任务处理时间较长,仍然需要在实时性方面加以改进,以构建适用于多种实际农业环境且具有鲁棒性的植物分类系统。
图表编号 | XD00167916700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 袁培森、李润隆、任守纲、顾兴健、徐焕良 |
绘制单位 | 南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |