Frontiers in Plant Science 2026年9月·9月7日 · 周一论文农业遥感与作物表型阅读 0
《基于遥感的农作物产量估算综述:机器学习技术及环境、算法和硬件限制》
论文解读
78精选
速览
系统综述遥感估产方法，分类传感器、平台、建模与机器学习，指出深度学习性能最优。
方法
文献综述，按传感器、平台、分析建模、机器学习四类归纳遥感估产方法。
发现
深度学习在精度、查准率、召回率和F1上一致优于其他方法，局限归为环境、算法、硬件与无线传感器网络四类
机会点
可针对综述指出的环境与硬件限制，研究轻量化深度学习模型在边缘设备上的实时估产。
影响力18
信息增量22
专业深度18
信源权威14
时效性6
系统综述遥感产量估算方法学并归纳环境、算法与硬件限制，方法分类清晰、结论可靠，对农业遥感与AI应用有较高参考价值。
原文摘要
Muhammad等系统综述遥感技术在农作物和植物产量估算中的应用进展,提出将遥感方法学系统分类为:传感器方法、平台方法、分析与建模方法、机器学习方法。基于多项研究结果发现,基于深度学习的架构在精度、查准率、查全率和F1分数等关键评估指标上一致实现优越性能,这种性能优势源于其学习分层表示、捕捉复杂非线性关系、高效扩展大规模数据集的能力。论文还将局限性系统归纳为环境、算法、硬件操作和无线传感器网络四大类别。