欧亚国际

植物分类在形态、颜色和纹理上具有高度的相似性和密集的细节信息,传统的机器学习方法无法满足这些大样本的特征提取训练,识别种类与精度受到限制。深度学习可以有效地解决植物图像识别在种类数量、准确度和速度上的难点，在植物种质资源库以及作物种质资源库建设中，深度学习发挥了越来越重要的作用。

植物表型是指植物可测量的特征和性状,是植物受自身基因表达、环境影响相互作用的结果,也是决定农作物产量、品质和抗逆性等性状的重要因素。大多数植物表型信息可通过数字图像处理的方法获取和分析。随着基因组学研究的快速发展,传统植物表型研究方法在诸多方面已无法满足进一步研究的需要,高精度、高通量的植物表型获取技术成为植物表型研究的新兴热点方向。近年来深度学习在数字图像处理领域取得了突破性进展,在物体识别、分割等应用上,基于深度学习的图像处理在技术表现上远好于传统方法.在植物表型研究领域,如何使用深度学习技术研究植物表型已成为研究人员十分关注的一项研究问题。基于深度学习的植物表型检测方法可用于植物株型与生理参数获取、植物识别与杂草检测、病虫害检测以及产量预测等四个方面,

关键词

植物表型 深度学习 卷积神经网络