Plant Doctor：一种结合机器学习与图像分割的软件，用于对视频影像中的植物损伤进行量化

人工智能显著推进了诊断过程的自动化，惠及多个领域，包括农业。本研究引入一种基于人工智能的系统，用于使用可访问摄像设备获取的视频影像对城市街道植物进行自动诊断。该系统旨在日常监控植物健康，以辅助城市区域疾病扩散的控制。通过结合两种机器视觉算法 YOLOv8 和 DeepSORT，该系统高效识别并跟踪individual leaves，提取用于健康分析的最佳影像。YOLOv8 因其速度和计算效率而被选择，以定位叶片；DeepSORT 确保在复杂环境中实现稳健跟踪。对于详细的健康评估，采用卷积神经网络 DeepLabV3Plus 对叶片损伤（由细菌、害虫和真菌引起）进行分割和量化。该混合系统命名为 Plant Doctor，已使用包括东京城市植物影像在内的多样化数据集进行训练和验证。结果表明，该系统在诊断叶片损伤方面具有稳健性和准确性，潜在可应用于大规模城市植物疾病监测。该方法为城市树木健康管理提供了非侵入、高效且可扩展的解决方案，支持可持续城市生态系统的建设。