深度学习在热带叶片疾病检测中的优势与应用


发布时间:

2024-06-08

来源:

作者:

本文深入研究了人工智能领域,一系列深度学习技术已被证明在自动化作物叶病识别和分类方面是有效的。本文通过实例展示了苹果、番茄、水稻、芒果、椰子和榴莲叶病的成熟检测方法,同时重点研究了热带植物的叶病检测。通过这一探索,对基于深度学习方法的检测技术在叶病检测中的优势和应用有了宝贵的见解。本文强调了深度学习方法在自动特征提取和疾病检测方面的优势,描述了叶病检测在热带地区应用的显著特点和挑战。本文对叶病检测模型进行了介绍性概述,并深入研究了影响检测准确性和速度的因素,同时提出了缓解这些指标之间固有权衡的方法。此外,还研究了热带植物中可能出现的多尺度检测和叶片重叠等挑战,丰富了对热带农业中深度学习驱动的叶片疾病检测的理解。

 

图1  植物病害数据集的图片示例。(a) 黑腐病;(b) 北方叶枯病;(c) 叶斑病;(d) 褐色斑点。

 

来 源

Yao Z, Huang M. 2024. Deep learning in tropical leaf disease detection: advantages and applications. Tropical Plants.

 

编辑

王春颖

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。