基于机器学习的茶叶病害检测：综述
计算机视觉与模式识别
2023-11-07 v1 机器学习
图像与视频处理
摘要
茶叶病害是农业生产力面临的主要挑战，对茶产业的产量和品质具有深远影响。机器学习的兴起使得开发创新方法来应对这些病害成为可能。早期检测与诊断对于有效的作物管理至关重要。针对茶叶病害预测，已利用不同图像处理技术开发了若干自动化系统。本文对基于图像分类、应用机器学习方法诊断茶叶病害的文献进行了系统综述。它全面评估了多种 Vision Transformer 模型的优势与局限，包括 Inception Convolutional Vision Transformer (ICVT)、GreenViT、PlantXViT、PlantViT、MSCVT、Transfer Learning Model & Vision Transformer (TLMViT)、IterationViT、IEM-ViT。此外，本文还综述了 Dense Convolutional Network (DenseNet)、Residual Neural Network (ResNet)-50V2、YOLOv5、YOLOv7、Convolutional Neural Network (CNN)、Deep CNN、Non-dominated Sorting Genetic Algorithm (NSGA-II)、MobileNetv2 以及 Lesion-Aware Visual Transformer 等模型。这些机器学习模型已在多个数据集上测试，展示了其现实适用性。本综述不仅凸显了该领域的当前进展，也为基于机器学习的茶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.2311.03240,
title = {Machine Learning-Based Tea Leaf Disease Detection: A Comprehensive Review},
author = {Faruk Ahmed and Md. Taimur Ahad and Yousuf Rayhan Emon},
journal= {arXiv preprint arXiv:2311.03240},
year = {2023}
}