深度学习在植物叶部病害检测与识别的研究进展

文献类型： 中文期刊

第一作者： 邵明月

作者： 邵明月;张建华;冯全;柴秀娟;张凝;张文蓉

作者机构：

关键词： 植物;叶部病害;深度学习;病害检测;识别;卷积神经网络;病害图像数据集;

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年 001 期

页码： 29-46

摘要： 植物病害准确检测与识别是其早期诊断与智能监测的关键，是病虫害精准化防治与信息化管理的核心。深度学习应用于植物病害检测与识别中，可以克服传统诊断方法的弊端，大幅提升病害检测与识别的准确率，引起了广泛关注。本文首先收集和介绍了部分公开的植物病害图像数据集，然后系统地综述了近年来深度学习在植物病害检测和识别中的研究应用进展，阐述了从早期检测和识别算法到基于深度学习的检测和识别算法的研究进展，以及各算法的优点和存在的问题。调研了相关研究文献，提出了光照、遮挡、复杂背景、病害症状之间相似性、病害在不同时期症状会有不同的变化以及多种病害交叠共存是目前植物病害检测和识别面临的主要挑战。并进一步指出，将性能更好的神经网络、大规模数据集和农业理论基础相结合，是未来主要的发展趋势，同时还指出了多模态数据可以用于植物早期病害的识别，也是未来发展方向之一。本文可为植物病害识别的深入研究与发展提供参考。

分类号： S43%TP18%TP391.41

  • 相关文献

[1]基于深度卷积神经网络的玉米病害识别. 雷波,曹艳,唐江云,胡亮. 2018

[2]基于卷积神经网络的农作物病害识别研究. 陈自立,林卫,贺佳,王来刚,郑国清,彭一龙,焦家东,郭燕. 2025

[3]基于卷积神经网络深度特征融合的番茄叶片病害检测. 杜忠康,房胜,李哲,郑纪业. 2021

[4]基于卷积神经网络的温室黄瓜病害识别系统. 马浚诚,杜克明,郑飞翔,张领先,孙忠富. 2018

[5]深度学习方法在农业领域的研究及应用. 马聪,张建华,陈学东,朱丹. 2020

[6]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[7]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[8]卷积神经网络在农业病虫害识别中的应用. 张耀丽,许宁,宋裕民,孟庆山,侯旭,李虎. 2023

[9]基于ResNet深度残差网络的白喉乌头检测. 梁俊欢,董峦,阿斯娅·曼力克,孙宗玖,魏鹏,马海燕,艾尼玩·艾买尔,阿仁,郑逢令. 2023

[10]一种基于深度学习的水稻种子分类方法. 王晓飞,刘维,巫浩翔,陈浩,张丽婷,潘朝阳,何秀英. 2024

[11]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[12]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[13]一种边缘辅助的卫星影像云修复卷积神经网络. 张雨姝,戴佩玉. 2024

[14]基于卷积神经网络的家蚕病害识别研究. 石洪康,肖文福,黄亮,胡丛武,胡光荣,张剑飞. 2022

[15]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[16]基于卷积神经网络的家蚕幼虫品种智能识别研究. 石洪康,田涯涯,杨创,陈宇,粟思源,张智勇,张剑飞,蒋猛. 2020

[17]基于3-2D融和模型的毛虾捕捞渔船行为识别. 张佳泽,张胜茂,王书献,杨昱皞,戴阳,熊瑛. 2022

[18]基于卷积神经网络的水稻虫害识别. 梁万杰,曹宏鑫. 2017

[19]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[20]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

作者其他论文 更多>>

微信小程序