深度學習技術在農(nóng)業(yè)發(fā)展中的運用

深度學習是機器學習領域中一個新的研究方向，它被引入機器學習使其較接近于較初的目標——人工智能。
深度學習在搜索技術，數(shù)據(jù)挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都**了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關技術**了很大進步。那么它在農(nóng)業(yè)發(fā)展領域有哪些運用呢？跟著小編一探究竟吧！
農(nóng)業(yè)育種、栽培是農(nóng)業(yè)科研中**的內(nèi)容，為了較精準、快捷的研究農(nóng)作物植物表型，從表型性狀數(shù)據(jù)中獲得作物生長發(fā)育規(guī)律等信息。近年來, 隨著植物功能基因組學和作物分子育種的快速深入發(fā)展，高精度、高通量和低成本的植物表型獲取技術成為植物表型研究的新興熱點方向，而深度學習技術在計算機視覺的諸多領域**了突破性進展，如今深度學習技術已經(jīng)運用到農(nóng)作物表型研究領域，替代了傳統(tǒng)的人工觀察和測量表型數(shù)據(jù)。
清華大學劉永進研究組和中科院遺傳所王秀杰研究組在《中國科學：生命科學》中文版在線發(fā)表了題為“基于深度學習的農(nóng)業(yè)植物表型研究綜述”的文章。
該文首先介紹了農(nóng)業(yè)植物表型研究的意義，回顧了基于圖像處理的農(nóng)業(yè)植物表型的研究方法。在介紹了卷積神經(jīng)網(wǎng)絡模型的基本原理后，從與農(nóng)業(yè)生產(chǎn)息息相關的三個方面，即植物識別與雜草檢測、病蟲害檢測和產(chǎn)量預測，詳細介紹了深度學習技術在農(nóng)業(yè)表型領域的應用成果，并從多個角度對這些研究成果進行了對比分析。
小編對基于深度學習的植物表型研究的未來趨勢進行淺談和展望，未來通過構建豐富的表型數(shù)據(jù)集、拓展表型問題研究的領域、嘗試更多的網(wǎng)絡模型和更多種類型的部署平臺、構建三維植物模型獲取空間信息，以及提高解決田間場景中的應用效果等，可以切實提高農(nóng)業(yè)生產(chǎn)自動化程度。據(jù)了解，已有食用菌生產(chǎn)企業(yè)開始使用集科研、生產(chǎn)一體的自動化系統(tǒng)，在食用菌科研環(huán)節(jié)選用食用菌菌絲表型儀、食用菌智能育種出菇箱等表型設備。同時利用大數(shù)據(jù)平臺對科研、生產(chǎn)環(huán)節(jié)進行監(jiān)測與智控。
隨著深度學習技術研究的推進，可以肯定的是，未來與植物表型各種具體問題相結(jié)合的解決方案會不斷增多，將會出現(xiàn)更多高效、實用的基于深度學習的植物表型工作和成果，助力未來較智慧、可持續(xù)的農(nóng)業(yè)與較安全的糧食**。
三亞博瑞源科技有限公司專注于表型系統(tǒng)解決方案,表型分析儀,食用菌表型設備等