- PlantVillage Phenotyping using LSTM Networks (2017)
该模型基于长短时记忆网络(LSTM),通过对植物叶片图像进行特征提取和分类来预测植物的生长情况。该模型使用了PlantVillage数据集,并在测试集上达到了较高的准确率。
源码链接:https://github.com/mhjabreel/PlantVillage-Dataset
- DeepPheno: A Python package for plant image analysis using deep learning (2018)
DeepPheno是一个Python包,其中包含了一系列使用深度学习技术对植物图像进行分析的算法,其中包括基于LSTM的生长预测模型。该模型利用了序列化的植物图像数据,并在生长过程中预测了植物的生长状态。
源码链接:https://github.com/jkrause/deeppheno
- Prediction of Crop Growth Stages Using Convolutional and Recurrent Neural Networks (2020)
该研究提出了一种结合卷积神经网络(CNN)和LSTM的方法,用于预测作物不同生长阶段下各部分器官大小。该模型利用传感器收集到的作物图像数据,并在实验中取得了较好的表现。
源码链接:未公开
- DeepCrop: Automated Crop Yield Estimation using Deep Learning in UAV Images (2020)
DeepCrop是一个利用无人机图像数据进行作物收成预测的算法。该模型使用了卷积神经网络和LSTM来处理序列化的植物图像数据,进而预测作物的产量。该研究取得了较好的效果,并在多个实验场景中进行了验证。
源码链接:https://github.com/VikramShenoy97/DeepCrop
- PlantGrowthNet: An End-to-End Deep Learning Framework for Plant Growth Stage Classification and Stress Detection from Aerial Imagery (2021)
PlantGrowthNet是一个端到端的深度学习框架,用于对航拍图像中的植物进行生长阶段分类和异常检测。该模型使用了卷积神经网络和LSTM等多种技术,将不同时间点的植物图像序列化,并在实验中取得了较好的表现。