深度学习技术在农业发展中的运用

时间：2022-11-11

深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于较初的目标——人工智能。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。那么它在农业发展领域有哪些运用呢？跟着小编一探究竟吧！

农业育种、栽培是农业科研中必不可少的内容，为了更精准、快捷的研究农作物植物表型，从表型性状数据中获得作物生长发育规律等信息。近年来, 随着植物功能基因组学和作物分子育种的快速深入发展，高精度、高通量和低成本的植物表型获取技术成为植物表型研究的新兴热点方向，而深度学习技术在计算机视觉的诸多领域取得了突破性进展，如今深度学习技术已经运用到农作物表型研究领域，替代了传统的人工观察和测量表型数据。

清华大学刘永进研究组和中科院遗传所王秀杰研究组在《中国科学：生命科学》中文版在线发表了题为“基于深度学习的农业植物表型研究综述”的文章。

该文首先介绍了农业植物表型研究的意义，回顾了基于图像处理的农业植物表型的研究方法。在介绍了卷积神经网络模型的基本原理后，从与农业生产息息相关的三个方面，即植物识别与杂草检测、病虫害检测和产量预测，详细介绍了深度学习技术在农业表型领域的应用成果，并从多个角度对这些研究成果进行了对比分析。

小编对基于深度学习的植物表型研究的未来趋势进行浅谈和展望，未来通过构建丰富的表型数据集、拓展表型问题研究的领域、尝试更多的网络模型和更多种类型的部署平台、构建三维植物模型获取空间信息，以及提高解决田间场景中的应用效果等，可以切实提高农业生产自动化程度。据了解，已有食用菌生产企业开始使用集科研、生产一体的自动化系统，在食用菌科研环节选用食用菌菌丝表型仪、食用菌智能育种出菇箱等表型设备。同时利用大数据平台对科研、生产环节进行监测与智控。

随着深度学习技术研究的推进，可以肯定的是，未来与植物表型各种具体问题相结合的解决方案会不断增多，将会出现更多高效、实用的基于深度学习的植物表型工作和成果，助力未来更智慧、可持续的农业与更安全的粮食**。

词条
词条说明
种图家：食用菌数字化工厂生产辅助平台
食用菌数字化工厂生产辅助平台可以帮助食用菌生产企业实现数字化转型，提高生产效率和产品质量。该平台包括以下功能： 1. 生产计划管理：根据市场需求和生产能力，制定生产计划，并实时跟踪生产进度。采用智能算法和数据分析技术，对生产计划进行优化和调整，以提高生产效率和降低生产成本。 2. 生产线监控：通过传感器和智能设备，对生产线进行实时监控和数据采集。可对温度、湿度、光照、CO2浓度等生产环境参数进行监
一种基于图像与深度学习的植物生长监测育种箱
随着成像技术的不断进步，目前深度学习方法在图像分类方面具有突破性的表现，在植物生长监测方面也受到广泛关注。但是，植物生长的注释仍然是植物监测中一个具有挑战性的方面。接下来种图家小编带着大家一起了解一种基于图像与深度学习的植物生长监测技术，包括对植物生长监测和基于图像表型技术的简要介绍。据小编所知，这种植物生长监测育种箱包括环境模拟、生长状态、环境曲线三大部分。其中在环境模拟部分，可以根据实验需求制
【植物表型】利用高光谱成像检测小麦早期冠腐病
冠腐病是**粮食产业中较重要的土壤真菌病害之一，会导致粮食生长不良，产量损失严重。筛选冠腐病作物是控制冠腐病的关键因素之一，其关键挑战在于生长初期上部茎叶无明显症状。目前人工筛选需要病理学家在短时间内观察许多植物的冠部和根部区域，费时费力。本研究利用高通量植物表型设备，准确、经济、无损伤的高光谱影像检测小麦生长初期的冠腐病，选择了4个不同抗性水平的澳大利亚商品小麦品种(Aurora、 Yitpi、
智慧农业对我国农业育种发展的意义
智慧农业是一种发展趋势，强调在基于网络的高科技农场监督周期中，在机械、设备和传感器中使用信息和通信技术。创新技术、物联网和云计算预计将促进智慧农业的发展，并开始在农业中使用机器人和人工智能。近些年我国农业产业数字化、智能化变革正在加快，IoT、5G、AI、大数据、云计算等数字技术让农业作物监测、精细化育种和环境资源按需分配成为现实。目前我们已经可以依靠卫星遥感、物联网设备来进行农业数据的获取，利用