深度学习技术在农业发展中的运用

深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于较初的目标——人工智能。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。那么它在农业发展领域有哪些运用呢？跟着小编一探究竟吧！

农业育种、栽培是农业科研中必不可少的内容，为了更精准、快捷的研究农作物植物表型，从表型性状数据中获得作物生长发育规律等信息。近年来, 随着植物功能基因组学和作物分子育种的快速深入发展，高精度、高通量和低成本的植物表型获取技术成为植物表型研究的新兴热点方向，而深度学习技术在计算机视觉的诸多领域取得了突破性进展，如今深度学习技术已经运用到农作物表型研究领域，替代了传统的人工观察和测量表型数据。

清华大学刘永进研究组和中科院遗传所王秀杰研究组在《中国科学：生命科学》中文版在线发表了题为“基于深度学习的农业植物表型研究综述”的文章。

该文首先介绍了农业植物表型研究的意义，回顾了基于图像处理的农业植物表型的研究方法。在介绍了卷积神经网络模型的基本原理后，从与农业生产息息相关的三个方面，即植物识别与杂草检测、病虫害检测和产量预测，详细介绍了深度学习技术在农业表型领域的应用成果，并从多个角度对这些研究成果进行了对比分析。

小编对基于深度学习的植物表型研究的未来趋势进行浅谈和展望，未来通过构建丰富的表型数据集、拓展表型问题研究的领域、尝试更多的网络模型和更多种类型的部署平台、构建三维植物模型获取空间信息，以及提高解决田间场景中的应用效果等，可以切实提高农业生产自动化程度。据了解，已有食用菌生产企业开始使用集科研、生产一体的自动化系统，在食用菌科研环节选用食用菌菌丝表型仪、食用菌智能育种出菇箱等表型设备。同时利用大数据平台对科研、生产环节进行监测与智控。

随着深度学习技术研究的推进，可以肯定的是，未来与植物表型各种具体问题相结合的解决方案会不断增多，将会出现更多高效、实用的基于深度学习的植物表型工作和成果，助力未来更智慧、可持续的农业与更安全的粮食**。