22、植物健康与糖尿病管理：机器学习与因果推断的应用

植物健康与糖尿病管理：机器学习与因果推断的应用

1. 植物叶片疾病检测研究

在植物健康领域，检测叶片疾病是一个重要的研究方向。为了提高相关模型的效果和准确性，研究人员计划从多个方面进行拓展。首先，会从多种来源获取不同植物物种、地理区域、叶片生长阶段、栽培条件以及不同图像质量和模式的新图像，以此扩大数据库的规模和类别数量。更大的数据集结合一些微调技术，能够提升模型的性能。未来的主要目标还包括将检测范围从植物叶片扩展到其他植物部位，如花朵、果实和茎。同时，该模型也可用于诊断植物叶片疾病，并且研究人员打算在不使用带注释图像的情况下，对训练过程进行更深入的分析。

以下是不同算法在植物叶片疾病检测中的对比：
| 参考文献 | 模型 | 优点 | 准确率(%) |
| — | — | — | — |
| Automated plant leaf disease detection C and classification using optimal MobileNet based convolutional neural networks (2021) | OMNCNN、Mobile Net、CNN | 提高检测率 | 98 |
| A deep learning based crop disease classification using transfer learning (2020) | ResNet50 | 减少网络下层的梯度消失，可进行深度扩展 | 99.26 |
| Tomato plant disease detection using transfer learning with C - GAN synthetic images (2021)