深度学习模型对作物产量进行估算

精准农业是在多样化环境中利用自然矿物质获得更高产量的重要途径。根据气候、土壤参数和所用肥料的不同，作物的产量可能每年都不同。在新冠疫情后，农业工业的自动化缓和了资源使用，提高了食品质量。农业机器人已应用于作物播种、监测、杂草控制、害虫管理和收获等农业领域。对不同生长阶段的花、果进行人工估产，劳动密集，花费高。遥感技术为作物产量预测提供了准确可靠的依据。利用计算机视觉和深度学习模型进行自动化图像分析可以提供更精确的产量估算。

文献检索工作综述

在这篇综述中，人们观察到深度学习技术的应用为智能农业提供了更好的准确性。本文以葡萄、苹果、柑橘、西红柿等水果以及甘蔗、玉米、大豆、黄瓜、玉米、小麦等蔬菜为材料进行了试验。本文所做的研究工作可为机器人收割、杂草检测和害虫管理等应用提供一定的参考。采用传统深度学习技术的方法平均准确率为92.51%。本文阐述了利用虚拟分析和分类器实现作物产量自动检测的各种方法。另外，本文还指出深度学习技术中的技术障碍已经有了进展，但仍有局限性，同时，对深度学习技术的未来研究进行了展望。

番茄物候期：（a）开花期；（b）未成熟期；（c）成熟期

来源：Darwin B, Dharmaraj P, Prince S, et al. Recognition of Bloom/Yield in Crop Images Using Deep Learning Models for Smart Agriculture: A Review. Agronomy 2021, 11(4), 646; doi.org/10.3390/agronom.

转自知乎：农业大数据与AI解决方案

如有侵权，请联系本站删除！