文章简介

• 论文名称：Deep learning in cropland field identification: A review（深度学习在农田识别中的应用：综述）

• 第一作者及单位：Fan Xu（中国农业大学土地科学与技术学院）

• 通讯作者及单位：Xiaochuang Yao（中国农业大学土地科学与技术学院）

• 文章发表期刊：《Computers and Electronics in Agriculture》（中科院1区Top期刊|最新影响因子：7.7）

• 期刊平均审稿速度：15.6周

1.文章摘要

        农田（CF）是农业生产的基本单位，也是精准农业的关键要素之一。高精度的农田边界划定为田间劳动和机械化作业提供了可靠的数据基础。近年来，随着遥感卫星技术和人工智能的双重进步，能够广泛且高精度地提取农田信息，基于深度学习（DL）的农田识别研究成为该领域备受推崇的方向之一。为了全面了解这一领域的发展趋势，本研究运用文献计量学和内容分析方法，从多个角度全面审视和分析了DL在农田识别领域的研究。

        首先，从Web of Science核心合集和中国科技引文数据库中检索和筛选出93篇相关文献进行综述。利用文献计量软件对先前的研究进行了五个维度的定量分析：出版年份、文献类型及发表期刊、国家、作者和关键词。随后，该研究从四个视角分析了DL在农田识别领域的当前状态和趋势：遥感数据来源、DL模型、农田提取结果类型和样本数据集。同时，该研究还梳理了当前公开可用的样本数据集和数据产品，可作为农田样本数据集的参考生产。最后，讨论了基于DL的农田识别研究面临的挑战和未来研究重点。本文提供了对DL在农田识别研究中定性和定量分析，阐明了当前研究现状、发展趋势、挑战和未来研究重点。

2.文章相关图件

图1|文献搜索和筛选策略

图2|发表年份

图3|深度学习在农田识别技术中的总体分类

图4|任务模型的比较

图5|深度学习模型结构

3.文章引用

文章信息：Fan Xu, Xiaochuang Yao, Kangxin Zhang, Hao Yang, Quanlong Feng, Ying Li, Shuai Yan, Bingbo Gao, Shaoshuai Li, Jianyu Yang, Chao Zhang, Yahui Lv, Dehai Zhu, Sijing Ye,Deep learning in cropland field identification: A review,Computers and Electronics in Agriculture,Volume 222,2024,109042,ISSN 01681699,https://doi.org/10.1016/j.compag.2024.109042.