<sub id="n0hly"></sub>
<sub id="n0hly"></sub>

      <small id="n0hly"><progress id="n0hly"></progress></small>

      3. <address id="n0hly"></address>
      3. 
	
        

		
		

	
        
				
			加急見(jiàn)刊
		
        
		

		
		
        
			
        
				
				
				
        
					
					
        
						
						
        基于深度學(xué)習的病蟲(chóng)害智能化識別系統
        
						
        陳天嬌; 曾娟; 謝成軍; 王儒敬; 劉萬(wàn)才; 張潔; 李瑞; 陳紅波; 胡海瀛; 董偉  中國科學(xué)院合肥物質(zhì)科學(xué)研究院/合肥智能機械研究所; 安徽合肥230031; 全國農業(yè)技術(shù)推廣服務(wù)中心; 北京100125; 安徽省農業(yè)科學(xué)院農業(yè)經(jīng)濟與信息研究所; 安徽合肥230001
        

					
        
					
        摘要：我國農作物種植覆蓋面廣、分散度高,病蟲(chóng)害發(fā)生種類(lèi)多、區域性發(fā)生規律復雜,傳統的人工鑒定技術(shù)從效率、能力與精度方面均難以滿(mǎn)足新形勢下重大病蟲(chóng)測報要求。針對這一實(shí)踐需求,以測報燈下害蟲(chóng)圖像數據庫(約18萬(wàn)張)、田間病蟲(chóng)害圖像數據庫(約32萬(wàn)張)為基礎,構建了基于深度學(xué)習方法的病蟲(chóng)害種類(lèi)特征自動(dòng)學(xué)習、特征融合、識別和位置回歸計算框架,并研發(fā)了移動(dòng)式病蟲(chóng)害智能化感知設備和自動(dòng)識別系統。通過(guò)近2年的精確度和實(shí)操運行效率檢驗,該系統在自然狀態(tài)下對16種燈下常見(jiàn)害蟲(chóng)的識別率為66%~90%,對38種田間常見(jiàn)病蟲(chóng)害(癥狀)的識別率為50%~90%。隨基礎數據庫的不斷豐富、神經(jīng)網(wǎng)絡(luò )深層特征提取的不斷完善,該系統有望進(jìn)一步提高識別準確率,從而真正實(shí)現田間病蟲(chóng)害識別自動(dòng)化、智能化和高效率。
        
					
        注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系中國植保導刊雜志社
        
				
        
				

			
        
		
        

		
		

	
        

	
	
	
	
	
	
	
	


亚欧成人中文字幕一区-日韩影音先锋AV乱伦小说-成人精品久久一区二区-成人美女视频在线观看

        <sub id="n0hly"></sub>
        <sub id="n0hly"></sub>
        

          <small id="n0hly"><progress id="n0hly"></progress></small>
          3. 

          <address id="n0hly"></address>
          3.