34、农业产品检测与分类及Serverless计算在IoT中的应用

农业产品检测与分类及Serverless计算在IoT中的应用

1. 农业产品检测与分类研究现状

在农业领域，利用深度学习技术进行疾病检测和果实成熟度预测已得到广泛应用，但不同作物的研究进展和面临的问题有所不同。

1.1 其他作物的研究情况

• 甜菜叶斑病检测 ：Ozguven等人提出使用更新的Faster R - CNN算法和传统Faster R - CNN算法对155张甜菜叶片图像进行叶斑病自动检测和分类。传统Faster R - CNN会将一些健康区域误判为患病区域，且无法检测到某些患病区域，而更新后的模型在检测患病区域方面表现更好，准确率达到95.48%。
• 椰子成熟度检测 ：Parvathi等人使用Faster R - CNN模型检测复杂背景下椰子的成熟阶段，并将其与SSD、YOLOv3和R - FCN模型进行比较。虽然YOLOv3模型每张图像的检测时间最短，但带有ResNet50网络的Faster R - CNN模型被认为最适合该任务。
• 水果病害斑点检测 ：Wang等人提出了一种基于改进的Mask - RCNN模型来检测水果表面的病变缺陷。数据集包含苹果、桃子、梨和橙子各500张带有斑点的图像，该算法检测病变的平均精度大于95%，但检测过程速度稍慢。
• 蓝莓果实特征分析 ：Ni等人旨在使用深度学习方法对蓝莓果簇中的浆果进行计数并评估其成熟度。他们使用了约724张室外蓝莓果簇图像，并使用Mask R - CNN来衡量分类和分割性能，考虑了数量