18、基于深度学习的植物病害图像检测

基于深度学习的植物病害图像检测

1. 引言

随着全球人口的指数级增长，对食物的需求也日益增加。为了满足这一巨大需求，农业从业者使用了各种杀虫剂和农药来提高作物产量。然而，大量使用这些化学物质会降低土壤质量，使作物更容易受到各种疾病的侵袭，从而导致作物产量下降和农民利润减少。

手动检测作物病害既具有挑战性又耗时，因此需要一种自动化的植物病害检测系统。人工智能技术为解决这一问题提供了可能，其中机器学习和深度学习是两种常用的方法。机器学习在自动提取图像特征和处理高维大数据集方面存在不足，而深度学习则具有显著优势。深度学习能够自动从原始数据中提取各种特征，减少了对单独特征提取模块的需求，并且可以显著减少处理高维大数据集所需的时间。

2. 植物病害检测的现状

许多研究人员已经使用机器学习或深度学习方法，借助叶片图像进行植物病害检测。以下是一些基于机器学习和深度学习的现有系统：
- 机器学习方法 ：
- Naik 等人 ：使用支持向量机（SVM）检测植物病害，考虑了四种病害。先用 SVM 检测叶片是否感染，再用神经网络识别病害类别，SVM 和神经网络的准确率分别为 87.77% 和 95.74%。
- Ahmed 等人 ：为水稻植物开发了病害检测系统，使用逻辑回归、朴素贝叶斯分类器、k - 最近邻和决策树分类器，决策树分类器的准确率最高，达到 97.91%。
- Panigrahi 等人 ：对玉米病害检测应用了多种机器学习技术，随机森林分类器的准确率为 79.23%。
-