文献类型：期刊文章

作　　者：王彦翔[1] 张艳[1,2] 杨成娅[1] 孟庆龙[2] 尚静[2]

WANG Yanxiang;ZHANG Yan;YANG Chengya;MENG Qinglong;SHANG Jing(College of Big Data and Information Engineering, Guizhou University, Guiyang 550025 , China;Research Center of Nondestructive Testing for Agricultural Products, Guiyang University, Guiyang 550005 , China)

机构地区：[1]贵州大学大数据与信息工程学院,贵州贵阳550025 [2]贵阳学院农产品无损检测工程研究中心,贵州贵阳550005

出　　处：《浙江农业学报》

基　　金：国家自然科学基金(61505036);贵州省科技厅基金项目[黔科合J字[2015]2009号];贵州省普通高等学校工程研究中心[黔教合KY字[2016]017]

年　　份：2019

卷　　号：31

期　　号：4

起止页码：669-676

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。

关 键 词：农作物病虫害检测  深度学习  图像识别 高光谱成像技术  

分 类 号：S123]