|
کاربرد پردازش تصویر و یادگیری عمیق در مطالعات گیاهان زراعی تحت تنش (مقاله مروری)
|
عادل پشت دار*   |
| دانشگاه علوم کشاورزی و منابع طبیعی خوزستان |
|
|
چکیده: (671 مشاهده) |
تنشهای محیطی (زیستی و غیرزیستی) از یکی چالشهای مهم تولیدکنندگان کشاورزی و امنیت غذایی بشر است. تولید پایدار با شناخت تنشهای محیطی به کمک مطالعات فیزیولوژیک گیاهی امکانپذیر است. سالیان زیادی است که پژوهشهای فیزیولوژیک و فنوتیپی گیاهان زراعی بر مبنای روشهای فشرده آزمایشگاهی قدیمی، تخریبی و زمانبر در آزمایشگاه و مزرعه بوده است. حل این مسئله با استفاده از روشهای سریعی مانند تکنولوژی بینایی ماشین، الگوریتمهای یادگیری ماشین و یادگیری عمیق بدست میآید. این روشها با پایش تغییرات فنوتیپی و فیزیولوژیک گیاهان زراعی در جهت پیشبینی یا تشخیص تنشها، گامهای موثری برداشته شود. در مقاله حاضر آخرین تکنولوژیهای تصویر، شاخصهای گیاهی و الگوریتمهای متنوع مرتبط با گیاهان تحت تنش مرور شده است. همچنین، الگوریتمهای بسیارپرکاربرد شبکه عصبی پیچشی در پردازش تصاویر گیاهان تحت تنش به طور خلاصه ذکر شده است. از طرف دیگر، چالشهای کنونی استفاده از تکنیکهای پردازش تصویر و هوش مصنوعی مرتبط با گیاهان تحت تنش مورد بحث قرار گرفته است.
|
|
| واژه‌های کلیدی: کشاورزی هوشمند، محتوی کلروفیل، دمای سطح برگ، سنجش از دور |
|
|
متن کامل [PDF 2085 kb]
(2160 دریافت)
|
نوع مطالعه: گزارش مورد |
موضوع مقاله:
تنشهای محیطی
دریافت: 1401/11/30 | پذیرش: 1401/11/10 | انتشار: 1401/11/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
