玉米疾病检测方面的进展:对卷积神经网络的全面审查
1Department of Industrial Engineering, Mudanya University, 16940, Mudanya, Bursa, Turkiye; Leiden Institute of Advanced Computer Science, Leiden University, Leiden, Netherlands.
Computers in biology and medicine
|October 10, 2024
概括
卷积神经网络 (CNN) 显著提升了对全球粮食安全的玉米疾病检测. 这篇评论详细介绍了自动化作物健康监测中的CNN应用,挑战和未来方向.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 玉米对全球粮食安全至关重要,使得疾病检测至关重要.
- 植物疾病对作物产量和农业经济构成重大威胁.
- 需要自动化疾病检测系统来加强作物管理.
研究的目的:
- 综合审查使用卷积神经网络 (CNN) 检测玉米疾病的最新技术.
- 分析现有研究,包括数据,算法和性能指标.
- 在基于CNN的玉米疾病检测中确定挑战和未来的研究方向.
主要方法:
- 对玉米疾病检测CNN的现有文献进行系统审查.
- 数据来源,预处理技术和地理数据收集区域的分析.
- 评估各种CNN算法,超参数优化和性能指标 (准确性,精度,回忆,F1,IoU,mAP).
主要成果:
- 在自动化玉米疾病识别和诊断方面,CNN展示了变革性的潜力.
- 采用了广泛的CNN模型和算法,具有不同的性能结果.
- 关键的绩效指标表明了基于CNN的方法在疾病检测中的有效性.
结论:
- CNN正在彻底改变玉米疾病检测,提高准确性和效率.
- 应对当前的挑战和探索未来的研究途径将进一步增强CNN应用.
- 持续的研究对于充分利用CNN技术来实现可持续农业和粮食安全至关重要.
