｛“状态”：“好”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,7,7]]，“日期时间”：“2024-07-07T02:08:49Z”，“时间戳”：1720318129058｝，“引用计数”：46，“发布者”：“爱思唯尔BV”，“许可证”：[｛“开始”：｛“日期部分”：[[2018,12,1]，“日期时间”：“2018-12-01T00:00:00Z”，“时间戳”：1543622400000｝，“内容版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“名称”：“卢瓦尔河谷地区中心”}]、“内容域”：{“domain”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”农业中的计算机和电子“]，”published-print“：{”date部分“：[[2018,12]]}，“DOI”：“10.1016\/j.compag.2018.10.006”，“type”：“journal-article”，“created”：{“date-parts”：[[2018,10,22]]，“date-time”：“2018-10-22T10:34:17Z”，“timestamp”：1540204457000}，“page”：”237-243“，”update-policy“：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy l_numberg“：”C“，”标题“：[“基于色度空间和植被指数的深度学习方法，用于无人机图像中的葡萄病害检测”]，“前缀”：“10.1016”，“体积”：“155”，“作者”：[{“给定”：“穆罕默德”、“家族”：“科克奇”、“序列”：“第一”、“从属关系”：[]}，{“已知”：“阿德尔”、“家庭”：“哈菲安”、“顺序”：“附加”、“隶属关系”：[]}、{“既定”：“拉斐尔”、“家人”：“Canals”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.compag.2018.1006_b0005”，“doi-asserted-by”：“crossref”，“unstructured”：“Albetis，j.，Duthoit，S.，Guttler，F.，Jacquin，A.，Goulard，M.，2017。开放档案馆TOULOUSE Archive Ouverte（OATAO）使用无人机（UAV）多光谱图像检测葡萄藤病害9，1\u201320。doi:https:\/\/doi.org\/10.3390\/rs9040308.“，”doi“：”10.3390\/hs9040308“}，{“key”：“10.1016\/j.compag.2018.1006_b0010”，“first page”：”32“，“article-title”：“DAMAV:Un projet inter-regional de detection de foyers infectieux de flavesion doree par imagerie de drone”，“author”：“Al-Saddik”，”year“：”2016“，”journal-title“：”Journal \u00e9e technology VITINNOV Viticulture de pr\u00e 9cision:les capteurs\u00e0 la loupe DAMAV“}，{“key”：“10.1016\/j.compag.2018.1006_b0015”，“doi-asserted-by”：“crossref”，“unstructured”：“Arroyo，j.A.，Gomez-Castaneda，C.，Ruiz，E.，Munoz de Cote，E.，Gavi，F.，Sucar，L.E.，2017。无人机技术和机器学习技术应用于精准农业增产。2017年IEEE墨西哥人道主义技术会议（MHTC），第3卷，第137\u2013143页。doi:https:\/\/doi.org\/10.109\/MHTC.2017.8006410.“，”doi“：”10.1109\/MHTC.2017.8006410“}，{“key”：“10.1016\/j.compag.2018.10.006_b0020”，“doi-asserted-by”：“crossref”，“unstructured”：“Bah，M.D.，Hafiane，A.，Canals，R.，2017。使用SLIC和霍夫变换在无人机图像中检测杂草。2017年第七届国际图像处理理论、工具和应用会议（IPTA），第1\u20136页。doi:https:\/\/doi.org\/10.109\/IPTA.2017.8310102.“，”doi“：”10.1109\/IPTA.2017.8310102“}，{“issue”：“July”，“key”：“10.1016\/j.compag.2018.1006_b0025”，“first page”：”1“，”article-title“：使用高分辨率无人机图像识别杂草的基于深度学习的分类系统”，“author”：“Bah”，“year”：“2018”，“journal-title”：“Compute.Conf.”}，“”key“：”10.1016\/j.compag.2018.10.006_b0030“，”doi-asserted-by“：”crossref“，”first page“：“21”，“doi”：“10.1016\/j.coppag.2013.08.022”，“article-title”：“通过CIE L\u2217a\u2217%b\u2217颜色空间中的形态学建模从图像中分割作物”，“volume”：“99”，“author”：“Bai”，“year”：“2013”，“journal-title“：”Compute。电子。农业。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0035“，”doi-asserted-by“：”crossref“，”unstructured“：”Cetin，A.，Altilar，T.，2015。使用不同类型的数据估算物候（TARBIL）。在：2015年第四届国际农业地理信息学会议，2015年农业地理信息学，第363\u2013367页。doi:https:\/\/doi.org\/10.109\/Agro-Geionformatics.2015.7248089.“，”doi“：”10.1109\/Agro-Geonformatic.2015.7248089“}，{“issue”：“6”，“key”：“10.1016\/j.compag.2018.1006_b0040”，“首页”：“65”，“article-title”：“基于颜色变换的植物叶片病害斑点检测方法”，“volume”：”3“，“author”：“Chaudhary”，“year”：“2012”，“日志标题”：“国际期刊计算。科学。电信“}，{“key”：“10.1016\/j.compag.2018.10.006_b0045”，“doi-asserted-by”：“crossref”，“unstructured”：“Dosovitskiy，A.，Fischer，P.，Springenberg，j.T.，Riedmiller，M.，Brox，T.，2014。基于样本卷积神经网络的非监督鉴别特征学习，1\u201314。arXiv:140.6.6909，doi:https:\/\/doi.org\/10.109\/TPAMI.2015.2496141。URL 1406.6909.“，”DOI“：”10.1109\/TPAMI.2015.2496141“}，{“key”：“10.1016\/j.compag.2018.0.006_b0050”，“DOI-asserted-by”：“crossref”，“unstructured”：“Douarre，C.，Schielein，R.，Frindel，C.，Gerth，S.，2016。基于深度学习的X射线断层图像根土分割，第1\u201322页，bioRxiv。doi:https:\/\/doi.org\/10.101\/071662.“，”doi“：”10.1101\/071662“}，{“issue”：“Janumber”，“key”：“10.1016\/j.compag.2018.0.006_b0055”，“doi-asserted-by”：“crossref”，“first-page”：“311”，“doi”：“1016\/j.compag.2018.01.009”，“article-title”：“植物病害检测与诊断的深度学习模型”，“volume”：”145“，”author“：”Ferentinos“，”year“：”2018“，”journal-title“：”计算。电子。农业。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0060“，”series-title“：”Colour Space Conversions“，”first page“：“1”，“author”：“Ford”，“year”：“1998”}，“issue”：“July”，“key”：“10.1016\/j.coppag.2018.1006_b0065”，“first pages”：“46”，“article-title”：“”数据集大小和种类对植物病害分类深度学习和转移学习有效性的影响”，“卷”：“153”，“作者”：“加西亚”，“年份”：“2018年”，“期刊标题”：“计算”。电子。农业。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0070“，”unstructured“：”Gennaro，S.F.D.I.，Battiston，E.，Marco，S.D.I.、Facini，O.、Matese，A.、Nocentini，M.、Palliotti，A.、Mugnai，L.，2016。基于无人飞行器（UAV）的遥感监测葡萄园内受esca复合体影响的葡萄叶条纹病（2）。doi:https:\/\/doi.org\/10.14601 \/Pytopathol_Mediterr-18312.“}，{“key”：“10.1016\/j.compag.2018.10.06_b0075”，“doi-asserted-by”：“crossref”，“unstructured”：“Gonzalez，R.C.，Woods，R.E.，2008。数字图像处理。arXiv:arXiv:1011.1669v3，doi:https:\/\/doi.org\/10.1049\/ep.1978.0474.“，”doi“：”10.1049\/ep.198.0474“}，{“key”：“10.1016\/j.compag.2018.0.006_b0080”，“首页”：“4”，“article-title”：“D\u00e9tection pr\u00e9coce de maladies sur feuilles par traitement D\u2019images”，“author”：“Han”“，”年份“：”2013“，”新闻标题“：”Congress des jeunes chercheurs en vision par ordinateur“｝，｛”key“：”10.1016\/j.com.pag.2018.10.006_b0085“，”doi断言“：”crossref“，”非结构化“：”Hern \u00e1ndez Hern \u00e1ndez，j.L.，Garc \u00eda Mateos，G.，Gonz \u00e1lez Esquiva，j.M.，Escarabajal Henarejos，D.，Ruiz Canales，A.，Molina Mart \u00ednez，j.M.，2016。农业中植物/土壤分割的最佳颜色空间选择方法122，124\u2013132。doi:https:\/\/doi.org\/10.1016\/j.compag.2016.01.020.“，”doi“：”10.1016\/j.com pag.2016.01.020“}，{“key”：“10.1016\/j.coppag.2018.10.006_b0090”，“doi-asserted-by”：“crossref”，“unstructured”：“Hern\u00e1ndez-Hern\u00e1.ndez，J.L.，Ruiz-Hern\u 00e1indez，J。，Garc\u00eda-Mateos，G。，Gonz\u00e lez-Esquiva，J.M.，Ruiz-Canales，A.，Molina-Mart\u 00ednez，J.M..，2017年。农业植物自动分割的新型便携式应用183，146\u2013157。doi:https:\/\/doi.org/10.1016\/j.agwat.2016.8.013.”，“doi”：“10.1016\/j.agwat.2016.8.013”}，{“key”：“10.1016\/j.com.pag.2018.10.006_b0095”，“doi断言者”：“crossref”，“首页”：“51”，“doi”：“10.1007\/s13225-012-0171-z”，“文章标题”：“如果葡萄藤esca病不是真菌病怎么办？”，“卷”：“54”，“作者”：“Hofstetter”，“年份”：“2012”，“journal-title“：“真菌多样性”}，{“key”：“10.1016\/j.compag.2018.1006_b0100”，“doi-asserted-by”：“crossref”，“非结构化”：“Honrado，j.L.E.，Solpico，D.B.，Favila，C.M.，Tongson，E.，Tangonan，G.L.，Libatique，N.j.C.，2017年。无人机成像与低成本多光谱成像系统用于精确农业应用。2017年IEEE全球人道主义技术会议（GHTC）。“，”DOI“：”10.1109\/GHTC.2017.8239328“}，{“key”：“10.1016\/j.compag.2018.1006_b0105”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kamilaris，A.，Prenafeta-Bold\u00fa，F.X.，《农业深度学习：一项调查》147，70\u201390。doi:https:\/\/doi.org\/10.1016\/j.compag.2018.02.016.“，”doi“：”10.1016\/j.com pag.2018.02.016“}，{“issue”：“July”，“key”：“10.1016\/j.coppag.2018.1006_b0110”，“doi-asserted-by”：“crossref”，“first page”：”685“，”doi“：“10.5194\/isprsarchives-XLI-B8-685-2016”，“article-title”：“基于Uav的自动用于生物量估算的树木生长测量“，”体积“：”41“，”作者：“卡皮纳”，“年份”：“2016年”，“新闻标题”：“国际档案”。摄影测量、遥感、空间信息科学ISPRS架构。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0115“，”doi-asserted-by“：”crossref“，”unstructured“：”Knoll，F.j.，Czymmek，V.，Poczihoski，S.，Holtorf，T.，Hussmann，S.“，2018年。使用深度学习分类法提高有机农业效率153（9月），347\u2013356。doi:https:\/\/doi.org\/10.1016\/j.compag.2018.08.032.“，”doi“：”10.1016\/j.com pag.2018.08.032“}，{“issue”：“5”，“key”：“10.1016\/j.coppag.2018.1006_b0120”，“doi-asserted-by”：“crossref”，“first-page”：“778”，“doi”：“101109\/LGRS.2017.2681128”，“article-title”：“深入学习土地覆盖和作物分类使用遥感数据的类型“，”卷“：”14“，“作者”：“Kussul”，“年份”：“2017年”，“期刊标题”：“IEEE Geosci”。遥感快报。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0125“，”doi-asserted-by“：”crossref“，”unstructured“：”Kuwata，K.，Shibaski，R.，2015。利用深度学习和遥感数据估计作物产量。摘自：2015 IEEE国际地球科学和遥感研讨会（IGARSS），第858\u2013861页。doi:https:\/\/doi.org/10.1109\/IGARSS.205.7325900.”，“doi”：“10.1109\/IGARSS.205.7325900.”}，｛“key”：“10.1016\/j.com.pag.2018.10.006_b0130”，“doi断言者”：“crossref”，“非结构化”：“Le Cun，Y.，Matan，O.，Boser，B.，Denker，j.，Henderson，D.，Howard，R.，Hubbard，W.，Jacket，L.，Baird，H.，1990。多层网络手写邮政编码识别。arXiv:arXiv:1011.1669v3，doi:https:\/\/doi.org\/10.1109\/ICPR.1990.119325.“，”doi“：”10.1109\/ICPR.1990.119325“}，{“issue”：“11”，“key”：“10.1016\/j.compag.2018.1006_b0135”，“doi-asserted-by”：“crossref”，“first page”：”2278“，”doi“：“10.1109\/5.726791”，“article-title”：“基于梯度的学习应用于文档识别“，”卷“：”86“，”作者“：”乐村“，”年份”：“1998年”，“新闻标题”：“Proc。IEEE“}，{”key“：”10.1016\/j.compag.2018.10.006_b0140“，”doi-asserted-by“：”crossref“，”unstructured“：”Mahlein，A.-K.，2016。通过成像传感器检测植物病害与精确农业和植物表型100（2），241\u2013251的具体要求相类似。doi:https:\/\/doi.org\/10.1094\/PDIS-03-15-0340-FE。“，”DOI“：”10.1094\/PDIS-03-15-0340-FE“}，{“issue”：“2”，“key”：“10.1016\/j.compag.2018.10.06_b0145”，“DOI-asserted-by”：“crossref”，“first page”：”282“，“DOI”：“101016\/j.compage.2008.03.009”，“article-title”：“自动作物成像应用的彩色植被指数验证”，“volume”：日志标题“：”计算。电子。农业。}，{“key”：“10.1016\/j.compag.2018.10.006_b0150”，“非结构化”：“Meyer，G.E.，Hindman，T.，Laksmi，K.M.G.，（编辑），DeShazer，j.A.，1998。植物物种识别的机器视觉检测参数。《精准农业与生物质量》，美国马萨诸塞州波士顿，11月3日至4日，3543（11月），第327\u2013335页Acibenzolar-S-methyl可能阻止载体介导的黄变或\u00e9e植原体传播，但在诱导受感染葡萄的恢复方面无效”，“卷”：“73”，“作者”：“Miliordos”，“年份”：“2017”，“杂志标题”：“害虫管理”。科学。“}，{”issue“：”September“，”key“：”10.1016\/j.compag.2018.10.06_b0160“，”first page“：“1”，”article-title“：”Using deep learning for image-based plant disease detection“，”volume“:”7“，”author“：”Mohanty“，”year“：”2016“，”journal-title”：“Frontiers plant Sci.”}，”{“issue”：“10”，“key”：：“crossref”，“首页”：“2369“，“DOI”：“10.3390\/rs2102369”，“article-title”：“绿色红色植被指数在植被物候遥感中的适用性”，“volume”：“2”，“author”：“Motohka”，“year”：“2010”，“journal-title“：”remote Sens.“}，{”key“：”10.1016\/j.compag.2018.1006_b0170“，”DOI-asserted-by“：”crossref“，”unstructured“：”Navia，J.、Mondragon，I.、Patino，D.、Colorado，J.，2016年。农业多光谱制图：使用自主四旋翼无人机进行地形拼接。在：2016年无人机系统国际会议，ICUAS 2016，第1351\u20131358页。doi:https:\/\/doi.org\/10.109\/IGAS.2016.7502606.“，”doi“：”10.1109\/IGAs.2016.7502606“}，{“issue”：“3”，“key”：“10.1016\/j.compag.2018.10.006_b0175”，“doi-asserted-by”：“crossref”，“first page”：”197“，“doi”：“101016\/S0168-1699（99）00068-X”，“article-title”：“杂草检测的颜色和形状分析技术在麦田里”，“卷”：“25”，“作者”：“P\u00e9rez“，”年份“：”2000“，”日志标题“：”计算。电子。农业。“}，{”issue“：”1“，”key“：”10.1016\/j.compag.2018.1006_b0180“，”doi-asserted-by“：”crossref“，”first page“：“67”，”doi“：”101109\/LGRS.2012.2193113“，“article-title”：“结合植被指数和均值漂移的低成本遥感图像分割”，“volume”：“10”，“author”：“Ponti”，“year”：“2013”，“journal-title“：”IEEE Geosci.remote Sens.Lett.“}”，{“key”：“10.1016\/j.com.pag.2018.10.006_b0185”，“doi断言者”：“crossref”，“非结构化”：“Prasetyo，E.，Adityo，R.D.，Suciati，N.，Faticah，C.，2017。使用Otsu阈值在HSV和YCbCr颜色空间上对芒果叶图像进行分割。摘自：《2017年第三届国际科学技术会议论文集——计算机》，ICST 2017，第99\u2013103页。doi:https:\/\/doi.org\/10.109\/ICSTC.2017.8011860.“，”doi“：”10.1109\/ICSTC.2017.801860“}，{“key”：“10.1016\/j.compag.2018.10.006_b0190”，“doi-asserted-by”：“crossref”，“unstructured”：“Sarkate，R.S.，Kalyankar，N.V.，Khanale，P.B.，2013。应用计算机视觉和彩色图像分割提高产量预测精度。摘自：《2013年信息系统和计算机网络国际会议论文集》，ISCON 2013，第9\u201313页。doi:https:\/\/doi.org\/10.109\/IICSCON.2013.6524164.“，”doi“：”10.1109\/IICESCON.2013.64164“}，{“问题”：“二月”，“密钥”：“10.1016\/j.compag.2018.1006_b0195”，“doi-asserted-by”：“crossref”，”first page“：”98“，”doi“：“10.116\/j.fcr.2018.02.018”，“article-title”：“使用无人机和卫星评估非均质小农农田的产量和肥料响应”，“卷”：“221”，“作者”：“舒特”，“年份”：“2018年”，“期刊标题”：“田间作物研究”}，{“关键”：“10.1016\/j.compag.2018.1006_b0200”，“doi-asserted-by”：“crossref”，“非结构化”：“Soontranon，N.，Srestasathiern，P.，Rakwatin，P.”，2014。利用ExG植被指数监测小规模地区的水稻生育期。2014年第11届电气工程/电子、计算机、电信和信息技术国际会议，ECTI-CON 2014（2016年2月）。doi:https:\/\/doi.org\/10.109\/ECTICon.2014.6839830.“，”doi“：”10.1109\/ECTICon.2014.8839830“}，{“issue”：“1”，“key”：“10.1016\/j.compag.2018.10.006_b0205”，“doi-asserted-by”：“crossref”，“first page”：”87“，“doi”：“10.5344\/ajev.2009.60.1.87”，“article-title”：“无损估算葡萄花青素含量pevine leaves”，“卷”：“60”，“作者”：“斯蒂尔，“年份”：“2009年”，“期刊标题”：“美国葡萄栽培学杂志”}，{“期刊”：“五月”，“关键词”：“10.1016\/J.compag.2018.0.006_b0210”，“doi-asserted-by”：“crossref”，“首页”：“196”，”doi“：”10.1016\/J.coppag.2018.04.024“，”article-title“：”利用深度学习进行植物育种的种荚估测“，”卷“：”150“，”作者“：”Uzal“，“年份”：“2018年”journal-title“：”计算。电子。农业。“}，{”key“：”10.1016\/j.compag.2018.10.006_b0215“，”series-title“：”利用反色局部二元模式特征和机器学习对葡萄植株病害进行检测和分类，用于自动决策支持系统“，”author“：”Waghmare“，”year“：”2016“}”，{“issue”：“1”，“key”：“10.1016\/j.coppag.2018.1006_b0220”，“doi-asserted-by”：“”crossref“，”first page“：”259“，”DOI“：”10.13031\/2013.27838“，”article-title“：”不同土壤、残留物和光照条件下杂草识别的颜色指数“，”volume“：“38”，”author“：”Woebbecke“，“year”：“1995”，”journal-title”：“Trans。ASAE“}，{“key”：“10.1016\/j.compag.2018.10.006_b0225”，“doi-asserted-by”：“crossref”，“unstructured”：“Xiao，H.，Tong，C.，Liu，Q.，2016。一种基于卫星地面照片发现植被变化的新方法。在：2015年第八届国际图像和信号处理大会论文集，CISP 2015（CISP），第851\u2013855页。doi:https:\/\/doi.org\/10.109\/CISP.2015.7407996.“，”doi“：”10.1109\/CISP.2015.74079“}，{“key”：“10.1016\/j.compag.2018.10.006_b0230”，“doi-asserted-by”：“crossref”，“unstructured”：“Yalcin，H.，2017。利用深度学习识别植物物候：深度物候。摘自：2017年第六届国际农业生物信息学会议，第1\u20135页。doi:https:\/\/doi.org\/10.109\/Agro-Geionformatics.2017.8046996.“，”doi“：”10.1109\/Agro-Geionfformatics.20178046996“}]，”container-title“：[“农业中的计算机和电子产品”]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\//api.elsevier.com/content\/articlex\/PII:S0168169918310044？httpAccept=text\/xml”，“内容类型“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\\/api.elsevier.com/content\/article\/PII:S0168169918310044？httpAccept=text\/plain“，”content-type“：”文本\/plaine“，”内容-version”：“vor”，“intended-application”：“text-mining}”，“存放”：{“日期-部件”：[2023,9,6]]，“日期-时间”：“”2023-09-06T03:27:50Z“，”timestamp“：1693970870000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S0168169918310044“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：}“date-parts”：[[2018,12]]}，《references-count》：46，“alternative-id”：[“S01681699.18310044”]，“URL”：“http://\/dx”。doi.org \/10.1016 \/j.compag.2018.10.006“，”关系“：{}，”ISSN“：[”0168-1699“]，”issn-type“：[{”value“：”0168-16999“，”type“:”print“}]，”subject“：[]，”published“：{”date-parts“：[[2018,12]]}，”assertion“：[[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”}维护，{“value”：“利用色度空间和植被指数的深度学习方法在无人机图像中检测葡萄病害”，“名称”：“articletite“，”label“：”Article Title“}，”{“value”：“农业中的计算机和电子”，“name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\/\/doi.org\/10.1016\/j.compag.2018.0.006”，“name”：“articlelink”，“标签”：“CrossRef doi link to publisher maintained version”}、{“value”：”Article“，”name“：”content_type“，”标签“：”content-type“}”，{value“：”\u00a9 2018 Elsevier B.V.保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]}}