深度学习在植物叶部病害检测与识别的研究进展

邵明月, 张建华, 冯全, 柴秀娟, 张凝, 张文蓉

Research Progress of Deep Learning in Detection and Recognition of Plant Leaf Diseases

SHAO Mingyue, ZHANG Jianhua, FENG Quan, CHAI Xiujuan, ZHANG Ning, ZHANG Wenrong

表2 近年来基于二阶检测器的植物病害目标检测研究进展

Table 2 Recent advances in plant disease target detection based on second-order detector

编号	作者	年份	植物种类	数据集/幅	获取方法	检测网络框架	最优准确率/%
1	Zhang等^［42］	2021	大豆	2200	田间拍摄	Faster-RCNN	83.34
2	Hu等^［43］	2021	茶叶	398	田间拍摄	Faster-RCNN	84.50
3	Eser^［44］	2021	辣椒土豆	544	田间拍摄	Faster RCNN-gc	98.06
4	Rehman等^［45］	2021	苹果	1200	PlantVillage	Mask RCNN	96.60
5	Anandhan和Singh^［46］	2021	水稻	1500	田间拍摄	Mask R-CNN	96.00
6	Kumar^［47］	2021	甘蔗	2940	田间拍摄	Faster-RCNN	58.13
7	Bari等^［28］	2021	水稻	2400	Kaggle+田间拍摄	Faster-RCNN	99.17
8	李鑫然等^［48］	2020	苹果	2029	田间拍摄	Faster-RCNN	82.28
9	Xie等^［30］	2020	葡萄	4449	田间拍摄	Faster DR-IACNN	81.10
10	Wang等^［49］	2019	番茄	286	线上采集	Mask R-CNN	99.64
11	Ozguven和Adem^［27］	2019	甜菜	155	甜菜叶数据集	Faster-RCNN	95.48
12	Zhou等^［29］	2019	水稻	3010	田间拍摄	Faster-RCNN	98.26
13	乔虹等^［50］	2018	葡萄	2000	田间拍摄	Faster-RCNN	90.90
16	刘阗宇等^［26］	2018	葡萄	6000	田间拍摄	Faster-RCNN	75.52
14	Fuentes等^［24］	2017	番茄	5000	田间拍摄	Faster-RCNN	90.60
15	刘阗宇和冯全^［25］	2017	葡萄	1135	田间拍摄	Faster-RCNN	87.20