学术中心
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。
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
视频展示
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874、18600875228
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯