文献类型：期刊文章

作　　者：邵明月[1] 张建华[1] 冯全[2] 柴秀娟[1] 张凝[1] 张文蓉[1]

SHAO Mingyue;ZHANG Jianhua;FENG Quan;CHAI Xiujuan;ZHANG Ning;ZHANG Wenrong(Agricultural Information Institute of Chinese Academy of Agricultural Sciences/Key Laboratory of Agricultural Big Data,Ministry of Agriculture and Rural Affairs,Beijing 10081,China;School of Mechanical and Electrical Engineering,Gansu Agricultural University,Lanzhou 730070,China)

机构地区：[1]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 [2]甘肃农业大学机电工程学院,甘肃兰州730070

出　　处：《智慧农业（中英文）》

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)。

年　　份：2022

卷　　号：4

期　　号：1

起止页码：29-46

语　　种：中文

收录情况：DOAJ、普通刊

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。

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  

分 类 号：S432] TP391.4]