使用深度学习对基底干的分类:对数字数据收集和手掌病分类方法的审查

科学领域:

• 农业科学 农业科学
• 植物病理学 植物病理学
• 计算机科学 计算机科学

背景情况:

• 由*Ganoderma boninense*引起的基底干腐烂 (BSR) 在马来西亚油棕种植园造成了重大经济损失.
• 早期发现BSR对于疾病管理至关重要,但目前的实验室方法在准确性,生物安全性和成本方面面临挑战.
• 棕油是一种重要的农业商品,有效的疾病管理对于经济稳定至关重要.

研究的目的:

• 审查关于棕油BSR, *Ganoderma boninense*,遥感和深度学习的科学文献.
• 评估深度学习方法在使用遥感数据早期检测BSR方面的潜力.
• 确定BSR检测技术的研究缺口和未来方向.

主要方法:

• 系统的文献综述来自Web of Science (自2012年以来) 的文章,使用关键词:油棕,基底干腐烂, *Ganoderma boninense*,远程传感器,深度学习.
• 分析了60篇相关的研究文章,重点是BSR检测方法.
• 评估深度学习和数据增强技术在植物疾病检测中的适用性.

主要成果:

• 对棕油的BSR检测的深度学习应用尚未得到充分探索,一些研究显示由于数据集大小的限制.
• 对其他植物疾病的研究表明,深度学习与数据增强相结合,可以实现高检测精度.
• 遥感与深度学习相结合,显示了大规模BSR检测的潜力.

结论:

• 通过数据增强增强的深度学习模型显示,在油棕中改善基底干腐烂检测的准确性方面,有很大的潜力.
• 需要进一步的研究来探索使用这些先进的计算技术分析棕油远程传感器数据的可行性.
• 将深度学习与遥感和无人机技术相结合,为早期基底干腐烂检测提供了一个有前途的商业规模解决方案.