基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
农作物在生长过程中会遭受各种病虫害的侵袭,导致产量下降.传统的病虫害检测是依靠农民的经验或者农业专家的专业检测.这不仅费时费力,而且不能准确识别农作物前期病变的细微不同.为了解决这些问题,本文开发了一款农作物病虫害智能分类识别APP.通过自动获得输入图像的特征,这款APP可实现对病虫害类型的分类,正确快速识别农作物所患病情,从而最大限度地减少农作物产量的损失.
推荐文章
农作物病虫害预测预报探讨
农作物
病虫害
预测预报
农作物病虫害防治措施研究
农作物
病虫害
问题
防治措施
浅析农作物病虫害防治技术及建议
农作物
病虫害
防治技术
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 农作物病虫害智能识别APP设计与开发
来源期刊 福建电脑 学科
关键词 卷积神经网络 特征提取 分类 农作物病虫害
年,卷(期) 2021,(10) 所属期刊栏目 论著|Research Articles
研究方向 页码范围 1-7
页数 7页 分类号 TP39
字数 语种 中文
DOI 10.16707/j.cnki.fjpc.2021.10.001
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (109)
共引文献  (106)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(12)
  • 参考文献(0)
  • 二级参考文献(12)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(10)
  • 参考文献(1)
  • 二级参考文献(9)
2016(11)
  • 参考文献(0)
  • 二级参考文献(11)
2017(14)
  • 参考文献(2)
  • 二级参考文献(12)
2018(14)
  • 参考文献(1)
  • 二级参考文献(13)
2019(4)
  • 参考文献(3)
  • 二级参考文献(1)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
特征提取
分类
农作物病虫害
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
论文1v1指导