欢迎来到园艺星球（共享文库）！ | 帮助中心分享价值，成长自我！

园艺星球（共享文库）

热门搜索：乡村振兴补光温室

上传我的资源

园艺星球（共享文库） > 资源分类 > PDF文档下载

农作物害虫图像识别研究进展与展望.pdf

阅读全文

农作物害虫图像识别研究进展与展望.pdf

资源ID：5768 资源大小：1.34MB 全文页数：3页
资源格式： PDF 下载权限：游客/注册会员/VIP会员 下载费用：0金币【人民币0元】

快捷注册下载

游客一键下载

会员登录下载

下载资源需要0金币【人民币0元】

邮箱/手机：
温馨提示：	系统会自动生成账号（用户名和密码都是您填写的邮箱或者手机号），方便下次登录下载和查询订单；
验证码：	换一换

加入VIP,免费下载

下载资源需要0金币【人民币0元】

已注册用户请登录：

账号：
密码：
验证码：	换一换
当日自动登录忘记密码？

友情提示

1、下载资料失败解决办法

2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，既可以正常下载了。

3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。

4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰

侵权投诉

农作物害虫图像识别研究进展与展望.pdf

，，，，， *（， 2 3 003 1 ），、、，。，，，，。，、；、，。，、，，。；；；； S4 3 1 . 9 A 05 1 7 － 6 6 1 1 （2 01 8）3 4 － 001 1 － 02 Research Progress and Prospect of Crop Pest Image Recognition ZHANG Meng，QIAN Rong，ZHU Jing－ bo et al （Institute of Agricultural Economics and Ination，Anhui Academy of Agricultural Sci－ ences，Hefei ，Anhui 2 3 003 1 ） Abstract Precise identification of crop pest is an important prerequisite to control the spread of pests. Image recognition has become a research hotspot and the main technical means of pest control in recent years with its advantages of high efficiency，low cost and easy operation. Considering the great potential of pest image recognition in pest diagnosis，the development of pest image recognition s was reviewed ，re－ search progress from recognition in the indoor environment to the naturalenvironment wasdescribed，andadvantagesandlimitationsoftraditional s and deep learning were analyzed. Thenthe targetedmeasuresfor future development were put forward. The traditional identificationmeth－ od waseasy to implement，andit wassuitable for the identificationof small samplesandsmall scope. The deeplearning hadhighaccuracy and strong adaptability，and itcanachievebetterrecognitioneffectunderthepremiseoflargeamountofdata. Finally，thedevelopmentprospectsof image recognition of crop pest were prospected. It was pointed out that combining pest image recognition with technologies such as Internet of things and sensors，and jointly constructing agricultural big data，becoming an important part of intelligent agriculture. Key words Pest image；Pest diagnosis；Image recognition；Deep learning；Intelligent agriculture （1 8C1 4 2 4 ）；（1 7 F1 4 1 4 ，1 7 B1 4 2 2 ）。（1 991 ），，，，，。 * ，，，。 2 01 8－ 09－ 1 9 ，、。、、，、、，。，，，、，、、、。，。，、、，、、、，。，，，。 1 1. 1 ，［1 ］。 2 0 80 ，Daly ［2 ］、Zhou ［3 ］、，。［4 ］，。［5 ］ 1 7 ，（ant colony optimization，ACO），（sup－ port vector machine，SVM） 9 ， 95 ％。 Larios ［6 ］， 3 ， SIFT（scale invariant feature trans）， 4 82 ％。 Wang ［7 － 8］（content－ based image retri，CBIR） 9 1 7 ，。［9］，（weber local descriptor，WLD）（histogram of color，HoC）， 1 0 5 7 6 ， 1 00％。，，。，，。 1. 2 ，，、。 Wen ［1 0］ SIFT ，， 8 ， 86 . 6 ％。［1 1 ］， 2 4 1 00％。 Yao ［1 2 ］、、 1 5 6 ，J. Anhui Agric. Sci. 2 01 8，4 6 （3 4 ）1 1 － 1 2 ，1 5 SVM ， 7 ， 4 97 . 5 ％。 Han ［1 3 ］（digital signal processing，DSP） 3 G ， 6 82 ％。［1 4 ］，、 4 。 Zhang ［1 5 ］、， Fisher ，，、、 3 4 ，。［1 6 ］，，， 9. 5 ％。［1 7 ］，，，、 5 92 ％。，，，、，。 2 ，，，，。，（convolutional neural network，CNN）、、。，CNN ，，，［1 8］。［1 9］ GoogLeNet AlexNet ， 95 ％。 Liu ［2 0］， 95 . 1 ％。［2 1 ］，、 2 3 ， 91 . 5 ％。 Glickd ［2 2 ］（hierarchical deepCNNs，HD－ CNNs） 2 1 ， 2 7 7 ，top－ 1 0 1 4 . 01 ％。、、、，CNN ，。，，；，，。 3 3. 1 ，，，。，，，，。 3. 2 ，，。、，，，，。，，，，。，。 3. 3 ，、，。，，，。，，。，，，，。 4 ，、，。，，，。，、，， “ ＋ ” ，。［1 ］，，， . ［J］. ，2 01 0，5 3 （1 ）98－ 1 09. ［2 ］ DALYHV，HOELMERK，NORMANP，etal. Computer－ assistedmeasure－ mentandidentificationofhoney bees （HymenopteraApidae）［J］. Annals oftheentomologicalsocietyofAmerica，1 982 ，7 5 （6 ）5 91 － 5 94 . ［3 ］ ZHOUYH，LINGLB，ROHLFFJ. Automatic descriptionof thevenation ofmosquitowings from digitized images［J］. Systematic zoology，1 985 ，3 4 （3 ）3 4 6 － 3 5 8. ［4 ］，， . . Ⅲ. ［J］. ，2 003 ，4 6 （3 ）3 3 9－ 3 4 4 . ［5 ］，， . ［J］. ， 2 009，2 5 （2 ）1 2 6 － 1 3 0. （ 1 5 ） 2 1 2 01 8 （、HcNPV ），。，。［1 ］ . ［J］. ，1 990，1 6 （2 ）1 04 － 1 06 . ［2 ］ . 2 01 8 （2 01 8 3 ）［A］. 2 01 8－ 02 － 09. ［3 ］ . ［J］. ，1 995 （2 ）4 5 . ［4 ］，，， . HcNPV Bt ［J］. ，2 01 4 ，4 1 （3 ）5 － 9. ［5 ］ . ［J］. ，2 01 4 （4 ）3 4 － 3 5 ，4 3 . ［6 ］ . ［J］. ，2 01 3 （3 ）2 9－ 3 1 . ［7 ］ . ［J］. ，2 01 2 ，2 （3 ）5 － 8. ［8］，，， . ［J］. ，2 01 6 （4 ）5 7 － 5 8. ［9］，

注意事项

本文（农作物害虫图像识别研究进展与展望.pdf）为本站会员（ly@RS）主动上传，园艺星球（共享文库）仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知园艺星球（共享文库）（发送邮件至admin@cngreenhouse.com或直接QQ联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。

固源瑞禾

关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 2018-2020 华科资源|Richland Sources版权所有
经营许可证编号：京ICP备09050149号-1

京公网安备 11010502048994号

收起

展开