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5 近年来基于深度网络的植物病害识别研究进展
|
Table 5 Recent advances in plant disease recognition based on deep network
|
|
编号 | 作者 | 年份 | 植物种类 | 数据集/幅 | 获取方法 | 神经网络类型 | 最高准确率/% |
---|
1 | Jiang等[86] | 2021 | 水稻 小麦 | 水稻:120 小麦:80 | 田间拍摄 | VGG-16 | 水稻:97.22 小麦:98.75 | 2 | Abbas等[87] | 2021 | 番茄 | 16,012 | PlantVillage | DenseNet121 | 99.51 | 3 | Chellapandi等[88] | 2021 | 14种植物 | 54,306 | PlantVillage | DenseNet | 99.00 | 4 | 樊湘鹏等[89] | 2021 | 葡萄 | 19,900 | 田间拍摄 | 改进VGG16 | 98.02 | 5 | Jiang等[90] | 2020 | 水稻 | 8911 | 田间拍摄 | CNN+SVM | 96.80 | 6 | Barman等[91] | 2020 | 柑橘 | 2939 | 田间拍摄 | SSCNN | 98.00 | 7 | Dang等[92] | 2020 | 萝卜 | 40 | 可控环境下拍摄 | GoogLeNet | 90.00 | 8 | Ji等 [78] | 2020 | 葡萄 | 1619 | PlantVillage | UnitedModel | 99.17 | 9 | Howlader等[93] | 2019 | 石榴 | 2705 | 田间拍摄 | D-CNN | 98.74 | 10 | Coulibaly等[94] | 2019 | 粟米 | 124 | 田间拍摄 | VGG16 | 95.00 | 11 | Hu等[95] | 2019 | 茶 | 144 | 田间拍摄 | CIFAR-10Net | 92.50 | 12 | Sibiya和Sumbwanyambe[96] | 2019 | 玉米 | 100 | 田间拍摄 | 50层CNN | 92.85 | 13 | 王艳玲等[97] | 2019 | 番茄 | 14,529 | PlantVillage | AlexNet | 95.62 | 14 | Singh等[98] | 2019 | 芒果 | 1070 | 田间拍摄 | MCNN | 97.13 | 15 | Picon等[99] | 2019 | 小麦 | 8178 | 田间拍摄 | 改进ResNet-50 | 96.00 | 16 | Abdalla等[100] | 2019 | 油菜籽 | 400 | 田间拍摄 | VGG16 | 96.00 | 17 | Xing等[76] | 2019 | 柑橘 | 12,561 | 田间拍摄 | Weakly DenseNet | 93.42 | 18 | 曾伟辉等[77] | 2019 | 47种植物 | 56,190 | MK- D2、 PlantVillage、 AES- CD9214 | HORPSF | 96.75 | 19 | Atole和Park[101] | 2018 | 水稻 | 227 | 田间拍摄 | AlexNet | 91.23 | 20 | Zhang等[102] | 2018 | 玉米 | 500 | PlantVillage+线上采集 | GoogLeNet | 98.90 | 21 | Liu等[103] | 2018 | 苹果 | 13,689 | 可控环境下拍摄 | AlexNet | 97.62 | 22 | 张建华等[104] | 2018 | 棉花 | 5510 | 田间拍摄 | VGG-16 | 89.51 | 23 | Rangarajan等[105] | 2018 | 番茄 | 13,262 | PlantVillage | VGG16 | 97.49 | 24 | Ferentinos[74] | 2018 | 25种植物 | 87,000 | 37.3%田间拍摄,62.7%可控条件拍摄 | VGG | 99.53 | 25 | 赵建敏等[75] | 2018 | 马铃薯 | 6000 | 田间拍摄 | 8层CNN | 87.00 | 26 | De Chant等[106] | 2017 | 玉米 | 1796 | 田间拍摄 | CNN | 96.70 | 27 | Lu等[107] | 2017 | 水稻 | 500 | 田间拍摄 | CNN | 95.00 | 28 | Oppenheim和Shani[108] | 2017 | 马铃薯 | 2465 | 可控环境下拍摄 | VGG | 90.00 | 29 | Ramcharan等 [71] | 2017 | 木薯 | 2756 | 田间拍摄 | Inception v3 | 93.00 | 30 | 孙俊等[72] | 2017 | 14种植物 | 21,917 | PlantVillage | 改进的AlexNet | 99.41 | 31 | Lu等[73] | 2017 | 小麦 | 9230 | 田间拍摄 | VGG-FCN-VD16 | 97.95 | 32 | Fujita等[109] | 2016 | 黄瓜 | 7520 | 田间拍摄 | CNN | 82.30 | 33 | Sladojevic等[69] | 2016 | 13种植物 | 2589 | 线上采集 | Caffe+迁移学习 | 96.30 | 34 | Mohanty等[70] | 2016 | 14种植物 | 54,306 | PlantVillage | AlexNet | 99.35 | 35 | Kawasaki等[68] | 2015 | 黄瓜 | 800 | 田间拍摄 | CNN | 94.90 |
|
|
|