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3 近年来基于一阶检测器的植物病害目标检测研究进展

Table 3 Recent advances in plant disease target detection based on first-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 Wang等［51］ 2021 5种植物 3000 可控环境拍摄 DBA_SSD 92.20 2 Shill和Rahman［52］ 2021 13种植物 2598 PlantDoc数据集 YOLOv4 55.45（IoU=50%） 3 Wang和Liu ［53］ 2021 番茄 1263 田间拍摄 MP-YOLOv3 95.60 4 He等［54］ 2021 西瓜 529 田间拍摄 SSD768 92.40 5 Atila等［55］ 2021 香蕉 61,486 PlantVillage 改进的YOLO 98.40 6 Maski和Thondiyath［33］ 2021 木瓜 2000 田间拍摄 YOLO 99.90 7 李昊等［34］ 2021 柑橘 392 田间拍摄 YOLOv4 87.72 8 Sun等［36］ 2021 苹果 2230 田间拍摄 MEAN-SSD 83.12 9 Liu和Wang［56］ 2020 番茄 15,000 田间拍摄 YOLOv3 92.39 10 Morbekar等［57］ 2020 14种植物 54,306 PlantVillage YOLO 65.48 11 Ponnusamy等［58］ 2020 多种植物 304 田间拍摄 YOLOv3 82.38 12 Liu和Wang［59］ 2020 番茄 2385 田间拍摄+线上采集 MobileNetv2-YOLOv3 94.13 13 Sun等［37］ 2020 玉米 8152 NLB数据集 SSD 91.83 14 Jiang等［60］ 2019 苹果 26,377 可控环境+田间拍摄 INAR-SSD 78.80 15 Tian等［61］ 2019 苹果 640 田间拍摄+线上采集 YOLOv3-Dense 95.57 16 Ramcharan等［62］ 2019 木薯 2415 田间拍摄 SSD 94.00 17 Bhatt等［32］ 2019 茶叶 4000 田间拍摄+线上采集 YOLOv3 86.00 18 Selvaraj等［38］ 2019 香蕉 18,000 田间拍摄 SSD 99.00