基于机器学习的 Jamun 叶病害检测：综述
计算机视觉与模式识别
2024-09-01 v1 人机交互
摘要
Jamun叶病害对农业生产力构成重大威胁，对jamun产业的产量和品质均产生负面影响。机器学习的出现为有效应对这些病害开辟了新途径。早期检测与诊断对于成功的作物管理至关重要。尽管目前尚未开发出专门针对jamun叶病害检测的自动化系统，但已有多种基于图像处理技术的类似病害检测自动化系统被实现。本文对用于通过图像分类诊断植物叶病害的机器学习方法进行了全面综述，这些方法可适用于jamun叶病害检测。它细致地评估了各种视觉Transformer(Vision Transformer)模型的优势与局限，包括迁移学习模型与视觉Transformer(TLMViT)、SLViT、SE-ViT、IterationViT、Tiny-LeViT、IEM-ViT、GreenViT和PMViT。此外，本文还综述了稠密卷积网络(DenseNet)、残差神经网络(ResNet)-50V2、EfficientNet、集成模型、卷积神经网络(CNN)和局部可逆Transformer等模型。这些机器学习模型已在多个数据集上进行了评估，展示了其现实世界的适用性。本综述不仅阐明了该领域的当前进展，也为基于机器学习的jamun叶病害检测与分类的未来研究方向提供了宝贵见解。
引用
@article{arxiv.2311.15741,
title = {Machine Learning-Based Jamun Leaf Disease Detection: A Comprehensive Review},
author = {Auvick Chandra Bhowmik and Md. Taimur Ahad and Yousuf Rayhan Emon},
journal= {arXiv preprint arXiv:2311.15741},
year = {2024}
}