本書主要對無線傳感器網(wǎng)絡、圖像壓縮感知、農(nóng)業(yè)物聯(lián)網(wǎng)以及深度學習等多個領域的共性問題進行了系統(tǒng)的研究。全書圍繞智能信息處理與物聯(lián)網(wǎng)應用兩大核心，展現(xiàn)了前沿技術的融合與創(chuàng)新。在數(shù)據(jù)處理方面，無論是無線傳感器網(wǎng)絡的壓縮采樣與數(shù)據(jù)重建，還是基于非參數(shù)貝葉斯字典學習的數(shù)據(jù)插值，都旨在從海量數(shù)據(jù)中提取有效信息，優(yōu)化數(shù)據(jù)處理流程。在圖像與農(nóng)業(yè)物聯(lián)網(wǎng)領域，通過模型與數(shù)據(jù)協(xié)同驅動、智能算法與深度神經(jīng)網(wǎng)絡的結合，實現(xiàn)了圖像的高效壓縮感知和農(nóng)業(yè)生產(chǎn)的智能化管理。而在深度學習領域，無論是深度神經(jīng)網(wǎng)絡的壓縮，還是植物病害識別模型的輕量化與移植，都體現(xiàn)了對模型性能與計算效率的追求。同時，云邊協(xié)同的目標檢測方法和深度學習的太陽能吸收技術，展示了智能信息處理在目標檢測與新能源利用方面的廣闊應用前景。本書的工作對作物多模態(tài)信息高能效感知與目標檢測的發(fā)展具有理論和實際意義。