《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》

  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

《表示学习技术研究进展及其在植物表型中应用分析》

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

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。