| 深度学习在作物及其近缘种抗病性智能鉴定上的研究进展 |
| |
| 引用本文： | 潘攀,张建华,郑晓明,周国民,胡林,冯全,柴秀娟.深度学习在作物及其近缘种抗病性智能鉴定上的研究进展[J].浙江农业学报,2023(8):1993-2012. |
| |
| 作者姓名： | 潘攀 张建华 郑晓明 周国民 胡林 冯全 柴秀娟 |
| |
| 作者单位： | 1. 中国农业科学院农业信息研究所;2. 中国农业科学院国家南繁研究院;3. 中国农业科学院作物科学研究所;4. 中国农业科学院农田灌溉研究所;5. 甘肃农业大学机电工程学院 |
| |
| 基金项目： | 国家重点研发计划(2022YFF0711805)；;国家自然科学基金(31971792,32160421)；;中央级公益性科研院所基本科研业务费专项(Y2022XK24,Y2022QC17,JBYW-AII-2022-14,JBYW-AII-2023-06)； |
| |
| 摘 要： | 作物及其近缘种抗病性的精准鉴定是筛选和培育作物抗病性品种的关键环节，是安全有效防治作物病害的重要方式，也是野生种质资源异位保存和开发利用的重要基础。传统的抗病性鉴定方法工作量巨大，且严重依赖于调查人员的主观判断，快速、准确的作物及其近缘种抗病性智能化鉴定方式是未来的发展方向。近年来，随着深度学习方法的快速发展与大量应用，基于深度学习的作物及其近缘种抗病性智能鉴定成为可能。本文首先以水稻3大病害(稻瘟病、白叶枯病、纹枯病)为例，从阐述其抗病性鉴定的规范标准和传统抗病性鉴定方法出发，随后从病害检测、病害分割和病害危害程度评估3方面综述了深度学习在作物及其近缘种抗病性智能鉴定中的研究进展，凝练了深度学习在抗病性鉴定上的应用情况和面临的难点与挑战，并对未来进一步研究的方向与发展趋势进行展望，旨在为深度学习在作物及其近缘种抗病性鉴定中的进一步研究应用提供参考。
|
| 关 键 词： | 作物 近缘种 种质资源鉴定 抗病性 智能鉴定 精准鉴定 深度学习 |
|
|
