巢 品 ，馮祥勝

（南昌工程學(xué)院信息工程學(xué)院，江西 南昌 330099）

計算機(jī)視覺（Computer Vision, CV）是指用攝影機(jī)和計算機(jī)代替人眼對目標(biāo)進(jìn)行識別、跟蹤和測量等，并將其處理成為更適合人眼觀察或傳送給儀器檢測的圖像[1]。計算機(jī)視覺自20 世紀(jì)60 年代中期發(fā)展起來，目前已能在相當(dāng)程度上模擬人類視覺的優(yōu)越能力，并在一定程度上彌補(bǔ)人類視覺的缺陷，所以被廣泛應(yīng)用于天文學(xué)、地質(zhì)學(xué)、氣象學(xué)、軍事科學(xué)、醫(yī)學(xué)、工農(nóng)業(yè)生產(chǎn)等諸多領(lǐng)域。我國是農(nóng)業(yè)大國，農(nóng)業(yè)科技是農(nóng)業(yè)發(fā)展的強(qiáng)勁引擎，農(nóng)業(yè)科技研究一直是我國學(xué)術(shù)研究的重要領(lǐng)域之一。計算機(jī)視覺與農(nóng)業(yè)科技研究的交叉，或者說基于計算機(jī)視覺的農(nóng)業(yè)科技研究，也形成了較為豐厚的研究成果。在中國知網(wǎng)（CNKI）中，王金滿等聯(lián)合署名發(fā)表在《東北林業(yè)大學(xué)學(xué)報》1993 年第2 期的《木材構(gòu)造計算機(jī)視覺分析方法》[2]，是基于計算機(jī)視覺的農(nóng)業(yè)科技研究的最早文獻(xiàn)。以此算來，我國基于計算機(jī)視覺的農(nóng)業(yè)科技研究已有30 多年的歷史。關(guān)鍵詞詞頻分析法，是通過關(guān)鍵詞在某研究領(lǐng)域文獻(xiàn)中出現(xiàn)的頻次高低來揭示該領(lǐng)域研究熱點(diǎn)、動態(tài)及進(jìn)展的文獻(xiàn)計量方法[3]。這種分析方法雖然是一種擱置了內(nèi)容和意義的形式分析，但也是一種超越了個人經(jīng)驗(yàn)和主觀偏好而趨向客觀性的學(xué)術(shù)分析方法[4]?；诖?，本文試圖以關(guān)鍵詞詞頻分析為技術(shù)方法，綜述國內(nèi)30 年來基于計算機(jī)視覺的農(nóng)業(yè)科技研究成果，以期為后續(xù)研究提供一定參考或借鑒。

1 文獻(xiàn)數(shù)據(jù)來源及總體樣態(tài)

本研究文獻(xiàn)數(shù)據(jù)檢索于中國知網(wǎng)（CNKI）。一般認(rèn)為，以“篇名”為檢索項(xiàng)進(jìn)行文獻(xiàn)檢索獲得的文獻(xiàn)更具有直接相關(guān)性[5]。2023 年2 月26 日，在中國知網(wǎng)（CNKI）中，通過高級檢索功能，以“計算機(jī)視覺”為題名，文獻(xiàn)分類選定為“農(nóng)業(yè)科技”專輯，時間范圍以2022 年12 月31 日為終止時間（不設(shè)定起點(diǎn)時間），共檢索到264 條學(xué)術(shù)期刊中文文獻(xiàn)及129 條學(xué)位論文中文文獻(xiàn)，兩類文獻(xiàn)合計393 條。經(jīng)系統(tǒng)的主題閱讀，這393 條文獻(xiàn)中沒有會議紀(jì)要、課題成果介紹、書評等無效文獻(xiàn)，均為有效文獻(xiàn)。這393 條文獻(xiàn)即為本文的研究樣本。

根據(jù)CNKI 對文獻(xiàn)作出的分類，農(nóng)業(yè)科技這一專輯包含農(nóng)業(yè)基礎(chǔ)科學(xué)、農(nóng)業(yè)工程、農(nóng)藝學(xué)、植物保護(hù)、農(nóng)作物、園藝、林業(yè)、畜牧與動物醫(yī)學(xué)、蠶蜂與野生動物保護(hù)、水產(chǎn)和漁業(yè)10 個專題。CNKI 顯示，這10個專題均有一定文獻(xiàn)，具體為：農(nóng)業(yè)基礎(chǔ)科學(xué)82 條、農(nóng)業(yè)工程45 條、農(nóng)藝學(xué)8 條、植物保護(hù)53 條、農(nóng)作物72 條、園藝76 條、林業(yè)21 條、畜牧與動物醫(yī)學(xué)33 條、蠶蜂與野生動物保護(hù)5 條、水產(chǎn)和漁業(yè)48 條。因?yàn)橛行┪墨I(xiàn)被歸類到2 個或2 個以上專題，所以10 個專題的文獻(xiàn)累計條數(shù)多于393 條。這說明現(xiàn)有研究已涉及農(nóng)業(yè)科技這一專輯的各個專題，但相對而言，農(nóng)業(yè)基礎(chǔ)科學(xué)、農(nóng)作物、園藝這3 個專題的研究較多，農(nóng)藝學(xué)、蠶蜂與野生動物保護(hù)這2個專題的研究則較少。

各年度文獻(xiàn)條數(shù)如下：1993（1）、1994（0）、1995（2）、1996（3）、1997（2）、1998（3）、1999（3）、2000（3）、2001（2）、2002（2）、2003（8）、2004（4）、2005（22）、2006（5）、2007（12）、2008（8）、2009（9）、2010（6）、2011（10）、2012（7）、2013（13）、2014（8）、2015（13）、2016（16）、2017（32）、2018（35）、2019（47）、2020（44）、2021（37）、2022（36）。括號前數(shù)據(jù)為年份，括號內(nèi)數(shù)據(jù)為文獻(xiàn)數(shù)目，下文相同。由此可見，1993—2004 年，除2003 年文獻(xiàn)條數(shù)為8 條外，其他各年度文獻(xiàn)條數(shù)均不超過4 條；2005 年文獻(xiàn)條數(shù)有突發(fā)性的增長，從2004 年的4 條陡然增長到2005 年的22條，但2006 年又回落到5 條；2007—2016 年各年度文獻(xiàn)條數(shù)在6～16 條之間，有一定波動，但總體而言高于1993—2004年各年度文獻(xiàn)條數(shù)；2017—2022年各年度文獻(xiàn)均在30 條以上。經(jīng)分析，2005 年文獻(xiàn)條數(shù)有突發(fā)性的增長，可能與我國延續(xù)數(shù)千年的農(nóng)業(yè)稅在該年度被廢除有關(guān)，農(nóng)業(yè)稅的廢除不只是體現(xiàn)了黨和國家對廣大農(nóng)民的愛護(hù)和關(guān)懷，引發(fā)了社會各界對農(nóng)業(yè)、農(nóng)村、農(nóng)民的關(guān)注，也引發(fā)了學(xué)界對農(nóng)業(yè)科技的關(guān)注。2017 年文獻(xiàn)條數(shù)較多，并一直延續(xù)到現(xiàn)在，則是因?yàn)?016年AlphaGo打敗世界頂級圍棋棋手李世石，引發(fā)了人工智能研究的熱潮，計算機(jī)視覺作為人工智能的重要領(lǐng)域之一，理所當(dāng)然也得到了更多學(xué)者的關(guān)注。

2 基于計算機(jī)視覺的農(nóng)業(yè)科技研究高頻關(guān)鍵詞詞頻統(tǒng)計

關(guān)鍵詞出現(xiàn)頻次的高低，反映該關(guān)鍵詞所指向問題的受關(guān)注程度，高頻關(guān)鍵詞表征該領(lǐng)域研究熱點(diǎn)問題所在。按393 條文獻(xiàn)作者所給出的關(guān)鍵詞進(jìn)行統(tǒng)計，共獲得961 個關(guān)鍵詞，累計出現(xiàn)頻次為1 753 次，篇均4.46 次。本文的研究對象是基于計算機(jī)視覺的農(nóng)業(yè)科技，“計算機(jī)視覺”（包括“計算機(jī)視覺法”“計算機(jī)視覺技術(shù)”等）毫無疑問出現(xiàn)頻次最高，共出現(xiàn)301 次。因此，為減少敘述上的重復(fù)，本文此后所說的高頻關(guān)鍵詞不再涉及“計算機(jī)視覺”。本文按照高頻關(guān)鍵詞選擇的標(biāo)準(zhǔn)——高頻詞累計頻次達(dá)到總頻次的40%左右[6]，得到高頻關(guān)鍵詞32 個（詞頻≥5），具體情況如表1所示。

表1 1993—2022年基于計算機(jī)視覺的農(nóng)業(yè)科技研究高頻關(guān)鍵詞

由表1 可知，基于計算機(jī)視覺的農(nóng)業(yè)科技研究高頻關(guān)鍵詞分布較為廣泛，說明現(xiàn)有研究熱點(diǎn)較多。為更清晰顯示現(xiàn)有研究熱點(diǎn)的類別，本文參照張勤等[7]的關(guān)鍵詞分類方法，結(jié)合本研究的實(shí)際情況，對高頻關(guān)鍵詞進(jìn)行應(yīng)用屬性、方法屬性、技術(shù)屬性3 個方面的屬性分類，結(jié)果如表2 所示。由表2 可知，現(xiàn)有基于計算機(jī)視覺的農(nóng)業(yè)科技研究在應(yīng)用屬性方面的高頻關(guān)鍵詞有“水產(chǎn)養(yǎng)殖”“水稻”“農(nóng)業(yè)”“棉花”“農(nóng)業(yè)自動化”“番茄”“芒果”“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)工程”“蘋果”10 個，這表征的是計算機(jī)視覺主要在農(nóng)業(yè)科技哪些領(lǐng)域獲得應(yīng)用；在方法屬性方面的高頻關(guān)鍵詞有“圖像處理”“特征提取”“圖像分割”“目標(biāo)檢測”“檢測”“圖像識別”“分級”“識別”“行為識別”“品質(zhì)檢測”“采摘機(jī)器人”“模型”“品質(zhì)”“顏色特征”“紋理特征”15 個，這表征的是計算機(jī)視覺主要通過哪些研究方法應(yīng)用在農(nóng)業(yè)科技領(lǐng)域中；在技術(shù)屬性方面的高頻關(guān)鍵詞有“深度學(xué)習(xí)”“支持向量機(jī)”“卷積神經(jīng)網(wǎng)絡(luò)”“神經(jīng)網(wǎng)絡(luò)”“BP 神經(jīng)網(wǎng)絡(luò)”“人工神經(jīng)網(wǎng)絡(luò)”“機(jī)器學(xué)習(xí)”7 個，這表征的是計算機(jī)視覺主要是哪些技術(shù)被應(yīng)用于農(nóng)業(yè)科技領(lǐng)域。

表2 1993—2022 年基于計算機(jī)視覺的農(nóng)業(yè)科技研究高頻關(guān)鍵詞屬性分布

3 基于計算機(jī)視覺的農(nóng)業(yè)科技研究縱向觀察

為顯示該領(lǐng)域研究的縱向發(fā)展脈絡(luò)，本文將近30 年的文獻(xiàn)劃分為3 個時段，即1993—2002 年、2003—2012 年、2013—2022 年。這3 個時段的文獻(xiàn)條數(shù)分別為21 條、91 條、281 條，可見該領(lǐng)域研究在穩(wěn)步發(fā)展。

按高頻詞選擇標(biāo)準(zhǔn)分別統(tǒng)計各個時段的高頻關(guān)鍵詞，結(jié)果如表3 所示。由表3 可知，1993—2002 年高頻關(guān)鍵詞共有5 個，其中在應(yīng)用屬性方面的高頻關(guān)鍵詞有“梨”和“木材構(gòu)造”，在方法屬性方面的高頻關(guān)鍵詞有“圖像處理”和“特征提取”，在技術(shù)屬性方面的高頻關(guān)鍵詞有“人工神經(jīng)網(wǎng)絡(luò)”；2003—2012年高頻關(guān)鍵詞共有15 個，其中在應(yīng)用屬性方面的高頻關(guān)鍵詞有“農(nóng)業(yè)工程”“番茄”“水產(chǎn)養(yǎng)殖”“魚類行為”，在方法屬性方面的高頻關(guān)鍵詞有“圖像處理”“檢測”“識別”“分級”“特征提取”“顏色特征”“圖像分割”“顏色”，在技術(shù)屬性方面的高頻關(guān)鍵詞有“BP 神經(jīng)網(wǎng)絡(luò)”“人工神經(jīng)網(wǎng)絡(luò)”“神經(jīng)網(wǎng)絡(luò)”；2013—2022 年高頻關(guān)鍵詞共有22 個，其中在應(yīng)用屬性方面的高頻關(guān)鍵詞有“水產(chǎn)養(yǎng)殖”“水稻”“棉花”“農(nóng)業(yè)”“芒果”“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)自動化”，在方法屬性方面的高頻關(guān)鍵詞有“圖像處理”“圖像分割”“特征提取”“目標(biāo)檢測”“圖像識別”“行為識別”“檢測”“采摘機(jī)器人”“分級”“模型”，在技術(shù)屬性方面的高頻關(guān)鍵詞有“深度學(xué)習(xí)”“支持向量機(jī)”“神經(jīng)網(wǎng)絡(luò)”“卷積神經(jīng)網(wǎng)絡(luò)”“機(jī)器學(xué)習(xí)”。由此可見，無論是分別從應(yīng)用屬性、方法屬性、技術(shù)屬性來看，還是綜合從這三個屬性來看，基于計算機(jī)視覺的農(nóng)業(yè)科技研究都在不斷豐富和拓展。

表3 基于計算機(jī)視覺的農(nóng)業(yè)科技研究各時段高頻關(guān)鍵詞

4 基于計算機(jī)視覺的農(nóng)業(yè)科技研究橫向觀察

橫向觀察是指在某特定時間內(nèi)對若干個對象同時進(jìn)行觀察記錄，將觀察結(jié)果進(jìn)行比較，從而全面了解被觀察對象的一種觀察方法。為了達(dá)到對基于計算機(jī)視覺的農(nóng)業(yè)科技研究橫向觀察的目的，本文參照董瑞蘭、周愛民等對關(guān)鍵詞作出的劃分[8-9]，結(jié)合本研究實(shí)際情況，將關(guān)鍵詞分為恒星關(guān)鍵詞、流星關(guān)鍵詞、新星關(guān)鍵詞、衛(wèi)星關(guān)鍵詞、彗星關(guān)鍵詞共5 類。其中，恒星關(guān)鍵詞是指在1993—2002年、2003—2012年、2013—2022 年三個時段均出現(xiàn)，頻次較高且相對穩(wěn)定的關(guān)鍵詞；流星關(guān)鍵詞是指在1993—2002 年和（或）2003—2012 年出現(xiàn)且頻次較高，而在2013—2022 年時段中頻次明顯減少甚至頻次為0 的關(guān)鍵詞；新星關(guān)鍵詞是指在1993—2002 年和2003—2012 年兩個時段中出現(xiàn)頻次很低，但在2013—2022 年時段中頻次突增的關(guān)鍵詞；衛(wèi)星關(guān)鍵詞是指在1993—2002年時段中出現(xiàn)頻次較高，在2003—2012 年時段中出現(xiàn)頻次較低，在2013—2022 年時段中出現(xiàn)頻次又較高的關(guān)鍵詞（就像衛(wèi)星運(yùn)行一樣，開始在某軌道運(yùn)行速度很快，但為了轉(zhuǎn)到另一軌道運(yùn)行，需要減速變軌，變軌完成后速度就會再次提升）；彗星關(guān)鍵詞是指在三個時段的某一時段出現(xiàn)過，但頻次極低的關(guān)鍵詞。對961個關(guān)鍵詞一一分析統(tǒng)計，得到結(jié)果如下。

恒星關(guān)鍵詞：“圖像處理”“特征提取”。這表明“圖像處理”和“特征提取”一直是該領(lǐng)域的研究熱點(diǎn)，或者說這是該領(lǐng)域的恒定選題。

流星關(guān)鍵詞：“木材構(gòu)造”“人工神經(jīng)網(wǎng)絡(luò)”“農(nóng)業(yè)工程”“顏色”“梨”。這幾個關(guān)鍵詞成為流星關(guān)鍵詞的原因分析如下：1）“木材構(gòu)造”對木材的研究較為細(xì)化，實(shí)際上之后關(guān)于木材的研究還有多項(xiàng)，但關(guān)鍵詞不是“木材構(gòu)造”，而是“木材”“木材識別”“木材檢尺”“木材生長輪材質(zhì)分析”“原木材積”等；2）“人工神經(jīng)網(wǎng)絡(luò)”指稱較為廣泛，因此被更為具體的“BP 神經(jīng)網(wǎng)絡(luò)”“卷積神經(jīng)網(wǎng)絡(luò)”等取代；3）“農(nóng)業(yè)工程”也是指稱較為廣泛，因此在之后的研究中被細(xì)化為“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)自動化”等；4）“顏色”研究指向不明，因此在之后的研究中被有明確所指的“顏色特征”“顏色模型”“葉面顏色”“果實(shí)表面顏色”“食物顏色”“背景顏色”“顏色分級”“顏色空間”等取代；5）“梨”的品種指向不明，因此在之后的研究中被“碭山酥梨”“庫爾勒香梨”等取代。因此，這幾個流星關(guān)鍵詞的存在，并不是說這幾個關(guān)鍵詞所指向的問題真的不再有人關(guān)注了。

新星關(guān)鍵詞：“深度學(xué)習(xí)”“支持向量機(jī)”“卷積神經(jīng)網(wǎng)絡(luò)”“目標(biāo)檢測”“圖像識別”“神經(jīng)網(wǎng)絡(luò)”“水稻”“行為識別”“棉花”“農(nóng)業(yè)”“采摘機(jī)器人”“機(jī)器學(xué)習(xí)”“芒果”“模型”“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)自動化”等。新星關(guān)鍵詞越多，表明該研究領(lǐng)域在不斷涌現(xiàn)新的研究熱點(diǎn)。

衛(wèi)星關(guān)鍵詞：無。表明該領(lǐng)域研究所關(guān)注的問題在研究方面整體上都在穩(wěn)步發(fā)展，也就是說，沒有哪個問題在興起研究熱潮之后，有暫時性的退潮，之后又再一次地進(jìn)入研究熱潮。

彗星關(guān)鍵詞：共有781 個關(guān)鍵詞在1993—2022年僅出現(xiàn)1 次，可認(rèn)為是該研究領(lǐng)域的彗星關(guān)鍵詞，比如“3D”“‘次郎’甜柿”“Bayes 判別”“COMS 傳感器”“DS 融合理論程序”“Fisher 向量”“擺尾頻率”“跛行奶?！薄俺墒旆炎R別”等。彗星關(guān)鍵詞多，說明現(xiàn)有研究主要是拓展性的研究，包括在研究領(lǐng)域、研究方法、研究技術(shù)等多方面的拓展，而不是在已有研究基礎(chǔ)之上的提升研究。當(dāng)然，課題組發(fā)現(xiàn)也有一些彗星關(guān)鍵詞是文獻(xiàn)作者命名不規(guī)范所致。

5 基于計算機(jī)視覺的農(nóng)業(yè)科技研究高質(zhì)量觀察

所有的學(xué)術(shù)文獻(xiàn)均有一定的學(xué)術(shù)價值，但學(xué)術(shù)文獻(xiàn)的學(xué)術(shù)價值也存在一定的差異。學(xué)界在考查文獻(xiàn)質(zhì)量高低的時候，文獻(xiàn)的被引用情況被作為一項(xiàng)重要觀察指標(biāo)。具體而言，就是具有更高引用頻次的學(xué)術(shù)論文即高被引論文，具有更高的學(xué)術(shù)價值?？紤]到本次檢索到的文獻(xiàn)只有393 條，如果按照通行的高被引論文的標(biāo)準(zhǔn)——某一領(lǐng)域被引頻次位于該領(lǐng)域所有論文前1%的論文，則只有4 篇論文能作為高被引論文，所以本文參考張壘[10]的做法，適當(dāng)降低高被引論文的標(biāo)準(zhǔn)，將被引頻次位于前3%的論文作為高被引論文。表4 列出了按此標(biāo)注檢索出的12 篇高被引論文。

表4 基于計算機(jī)視覺的農(nóng)業(yè)科技研究高被引論文及其關(guān)鍵詞

綜合表4 和表1 來看，高被引論文中有7 條文獻(xiàn)（即第1、2、3、5、6、7、8 條）的關(guān)鍵詞，包含1～2 個1993—2022 年時段的高頻關(guān)鍵詞，說明這些文獻(xiàn)極有可能是因?yàn)樽プ×搜芯繜狳c(diǎn)，所以之后研究這些問題的學(xué)者因?yàn)椤盁狳c(diǎn)”而參閱并引用這些文獻(xiàn)；但是，也有5 條文獻(xiàn)（即第4、9、10、11、12 條）的關(guān)鍵詞，并沒有出現(xiàn)1993—2022 年時段的高頻關(guān)鍵詞，說明這些文獻(xiàn)不是抓住了研究熱點(diǎn)，而是因?yàn)槠渌?，比如?yōu)秀的實(shí)驗(yàn)設(shè)計、嚴(yán)謹(jǐn)?shù)睦碚摻?gòu)等，而被其他研究者參閱并引用。當(dāng)然，抓住了研究熱點(diǎn)的高被引論文，也有可能同時具有優(yōu)秀的實(shí)驗(yàn)設(shè)計、嚴(yán)謹(jǐn)?shù)睦碚摻?gòu)等特點(diǎn)。

6 結(jié)論

讓數(shù)據(jù)說話——這是本文的基本立場。本文以CNKI 文獻(xiàn)關(guān)鍵詞詞頻分析為技術(shù)方法，綜述30 年來基于計算機(jī)視覺的農(nóng)業(yè)科技研究，發(fā)現(xiàn)了以下有意義的事實(shí)：

1）現(xiàn)有研究主要在“水產(chǎn)養(yǎng)殖”“水稻”“農(nóng)業(yè)”“棉花”“農(nóng)業(yè)自動化”“番茄”“芒果”“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)工程”“蘋果”等應(yīng)用領(lǐng)域展開；

2）現(xiàn)有研究論及的基于計算機(jī)視覺的農(nóng)業(yè)科技研究方法關(guān)鍵詞主要有“圖像處理”“特征提取”“圖像分割”“目標(biāo)檢測”“檢測”“圖像識別”“分級”“識別”“行為識別”“品質(zhì)檢測”“采摘機(jī)器人”“模型”“品質(zhì)”“顏色特征”“紋理特征”等；

3）現(xiàn)有研究主要探討了“深度學(xué)習(xí)”“支持向量機(jī)”“卷積神經(jīng)網(wǎng)絡(luò)”“神經(jīng)網(wǎng)絡(luò)”“BP 神經(jīng)網(wǎng)絡(luò)”“人工神經(jīng)網(wǎng)絡(luò)”“機(jī)器學(xué)習(xí)”等計算機(jī)視覺技術(shù)在農(nóng)業(yè)科技領(lǐng)域的應(yīng)用；

4）無論是分別從應(yīng)用屬性、方法屬性、技術(shù)屬性來看，還是綜合從這三個屬性來看，基于計算機(jī)視覺的農(nóng)業(yè)科技研究都在不斷豐富和拓展；

5）“圖像處理”和“特征提取”是基于計算機(jī)視覺的農(nóng)業(yè)科技研究的恒定選題；

6）基于計算機(jī)視覺的農(nóng)業(yè)科技研究新的研究熱點(diǎn)有“深度學(xué)習(xí)”“支持向量機(jī)”“卷積神經(jīng)網(wǎng)絡(luò)”“目標(biāo)檢測”“圖像識別”“神經(jīng)網(wǎng)絡(luò)”“水稻”“行為識別”“棉花”“農(nóng)業(yè)”“采摘機(jī)器人”“機(jī)器學(xué)習(xí)”“芒果”“模型”“農(nóng)業(yè)生產(chǎn)”“農(nóng)業(yè)自動化”等；

7）現(xiàn)有基于計算機(jī)視覺的農(nóng)業(yè)科技研究主要是拓展性的研究，包括在研究領(lǐng)域、研究方法、研究技術(shù)等多方面的拓展，而不是在已有研究基礎(chǔ)之上的提升研究；

8）現(xiàn)有基于計算機(jī)視覺的農(nóng)業(yè)科技研究的高被引論文，只有部分有可能是因?yàn)樽プ×搜芯繜狳c(diǎn)，從而被后續(xù)研究者因?yàn)椤盁狳c(diǎn)”而參閱并引用。

需要說明的是，盡管本文所獲得的結(jié)論較為客觀、真實(shí)、可靠，但也依然存在一定缺陷，主要在于：本文采用的技術(shù)方法是文獻(xiàn)計量分析中的關(guān)鍵詞詞頻分析，這種技術(shù)因?yàn)閿R置了對文獻(xiàn)內(nèi)容和意義的分析，從而沒有揭示出可能存在于基于計算機(jī)視覺的農(nóng)業(yè)科技研究中的內(nèi)在發(fā)展邏輯、深層理論關(guān)系等。因此，本文所獲得的結(jié)論還有待于未擱置文獻(xiàn)內(nèi)容和意義分析的綜述性文獻(xiàn)予以印證。