基于深度学习的图像杂草检测技术综述
计算机视觉与模式识别
2021-03-03 v1 机器学习
摘要
深度学习（DL）技术的快速进展使得从图像或视频中快速检测、定位与识别物体成为可能。DL技术现正被用于许多与农业和耕作相关的应用。杂草的自动检测与分类可在杂草治理中发挥重要作用，从而有助于提高产量。从作物影像中检测杂草本身是一个具有挑战性的问题，因为杂草与作物颜色相似（'绿对绿'），且在生长阶段其形状和纹理可能非常相似。此外，一种环境下的作物在另一环境下可能被视为杂草。除检测外，识别特定杂草种类也至关重要，以便施加有针对性的控制机制（例如适当的除草剂与正确剂量）。本文综述了现有的基于深度学习的杂草检测与分类技术。我们详细梳理了四个主要环节的文献，即数据采集、数据集准备、用于作物中杂草检测定位与分类的DL技术，以及评估指标方法。我们发现大多数研究应用了监督学习技术，通过在任何植物数据集上微调预训练模型获得了高分类准确率，且以往实验在拥有大量标注数据时已取得了高准确率。
引用
@article{arxiv.2103.01415,
title = {A Survey of Deep Learning Techniques for Weed Detection from Images},
author = {A S M Mahmudul Hasan and Ferdous Sohel and Dean Diepeveen and Hamid Laga and Michael G. K. Jones},
journal= {arXiv preprint arXiv:2103.01415},
year = {2021}
}