深度学习在植物叶部病害检测与识别的研究进展

作     者：邵明月 张建华 冯全 柴秀娟 张凝 张文蓉 SHAO Mingyue;ZHANG Jianhua;FENG Quan;CHAI Xiujuan;ZHANG Ning;ZHANG Wenrong

作者机构：中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室北京100081 甘肃农业大学机电工程学院甘肃兰州730070 

出 版 物：《智慧农业（中英文）》 (Smart Agriculture)

年 卷 期：2022年第4卷第1期

页      面：29-46页

学科分类：13[艺术学] 08[工学] 09[农学] 090401[农学-植物病理学] 0710[理学-生物学] 1305[艺术学-设计学（可授艺术学、工学学位）] 1203[管理学-农林经济管理] 081104[工学-模式识别与智能系统] 0903[农学-农业资源与环境] 0804[工学-仪器科学与技术] 0904[农学-植物保护] 0802[工学-机械工程] 0901[农学-作物学] 0836[工学-生物工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0713[理学-生态学] 0702[理学-物理学] 

基　　金：国家自然科学基金(31971792,31901240) 中央级公益性科研院所基本科研业务费专项(JBYW-AII-2020-07,JBYW-AII-2020-27,JBYW-AII-2021-08) 中国农业科学院基本科研业务费专项(Y2020YJ07) 中国农业科学院创新工程(CAAS-ASTIP-2016-AII) 

主　　题：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 

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。