Un análisis de la tecnología de reconocimiento de imágenes fenotípicas de plantas basada en aprendizaje profundo
Autores: Xiong, Jianbin; Yu, Dezheng; Liu, Shuangyin; Shu, Lei; Wang, Xiaochan; Liu, Zhaoke
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Un análisis de la tecnología de reconocimiento de imágenes fenotípicas de plantas basada en aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Reconocimiento de imágenes fenotípicas de plantas
Aprendizaje profundo
Red neuronal convolucional
Red neuronal de creencia profunda
Red neuronal recurrente
Autoencoder apilado
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 53
Citaciones: Sin citaciones
El reconocimiento de imágenes fenotípicas de plantas (PPIR) es una rama importante de la agricultura inteligente. En los últimos años, el aprendizaje profundo ha logrado avances significativos en el reconocimiento de imágenes. Por consiguiente, la tecnología PPIR basada en el aprendizaje profundo está volviéndose cada vez más popular. Primero, este documento introduce el desarrollo y la aplicación de la tecnología PPIR, seguido por su clasificación y análisis. En segundo lugar, presenta la teoría de cuatro tipos de métodos de aprendizaje profundo y sus aplicaciones en PPIR. Estos métodos incluyen la red neuronal convolucional, la red neuronal de creencia profunda, la red neuronal recurrente y el autoencoder apilado, y se aplican para identificar especies de plantas, diagnosticar enfermedades de plantas, etc. Finalmente, se discuten las dificultades y desafíos del aprendizaje profundo en PPIR.
Descripción
El reconocimiento de imágenes fenotípicas de plantas (PPIR) es una rama importante de la agricultura inteligente. En los últimos años, el aprendizaje profundo ha logrado avances significativos en el reconocimiento de imágenes. Por consiguiente, la tecnología PPIR basada en el aprendizaje profundo está volviéndose cada vez más popular. Primero, este documento introduce el desarrollo y la aplicación de la tecnología PPIR, seguido por su clasificación y análisis. En segundo lugar, presenta la teoría de cuatro tipos de métodos de aprendizaje profundo y sus aplicaciones en PPIR. Estos métodos incluyen la red neuronal convolucional, la red neuronal de creencia profunda, la red neuronal recurrente y el autoencoder apilado, y se aplican para identificar especies de plantas, diagnosticar enfermedades de plantas, etc. Finalmente, se discuten las dificultades y desafíos del aprendizaje profundo en PPIR.