基于文献计量的农业信息化研究特征阐释与热点分析

对国内外农业信息化领域的研究特征与研究热点进行归纳和分析,为我国农业信息化的后续研究提供参考。采用文献计量法和共词聚类法,借助R语言编程工具,针对CNKI和Web of Science数据库中与农业信息化相关文献,分别从时间分布、核心作者、来源期刊、研究热点和研究趋势进行定量统计和定性分析。结果表明,国内研究更关注农业信息服务、农村信息化建设与现代农业发展等,而国际研究更关注与农业生产和管理相关的气候变化监测、土地利用管理、生态服务等。因此,我国农业信息化的研究应更加深入,并更多关注现代信息技术在具体农业生产实践中的应用。     

机器学习在农作物品种识别中的应用研究进展

机器学习在图像识别领域的成功应用,为农作物品种的自动识别提供了一种新的思路。为了全面了解机器学习在农作物品种识别中的应用现状,把握农作物品种识别的发展趋势和研究方向,本文归纳了农作物图像的常用获取方法,分析了光谱图像和RGB图像结合机器学习方法识别农作物品种的研究现状。基于RGB图像进行农作物品种识别研究起步较早,图像获取成本较低,识别率一般;基于高光谱图像进行农作物品种识别研究近年来发展迅速,识别精度较高,但图像获取成本较高,且易受环境因素影响。通过总结,指出了农作物品种识别研究中存在的问题,认为深度学习在农作物品种自动识别上具有广泛的应用前景