利用深度学习进行植物病害识别：2018-2024年SCOPUS文献计量分析
机器学习
2025-04-11 v1
摘要
本文旨在对用于植物病害识别的深度学习研究进行文献计量分析，特别关注生成建模。对来自253篇文献的SCOPUS文献计量数据进行了全面分析。分析了生成建模的关键性能指标，如准确率、精确率、召回率和F1分数。研究结果突出了Too和Arnal Barbedo等作者的显著贡献，他们的作品被引次数显著，表明他们在学术界的影响力。合著网络揭示了强大的合作集群，而关键词分析则识别出新兴的研究空白。本研究强调了合作和引文指标在塑造研究方向以及增强深度学习应用于植物病害识别的学术工作影响方面的作用。未来的研究应探索高被引研究的方法论，为最佳实践和政策制定提供信息。
引用
@article{arxiv.2504.07342,
title = {Leveraging deep learning for plant disease identification: a bibliometric analysis in SCOPUS from 2018 to 2024},
author = {Enow Takang Achuo Albert and Ngalle Hermine Bille and Ngonkeu Mangaptche Eddy Leonard},
journal= {arXiv preprint arXiv:2504.07342},
year = {2025}
}