最新植物病害识别和分类机器学习技术的系统综述,IETE Technical Review

农业科学中的植物病害管理是每个国家的首要关注点，因为人口增长导致粮食需求快速增长。此外，现代技术提高了动植物疾病检测的效率和精确度。最近，使用各种图像处理方法进行植物病害识别已被大规模采用，以帮助农民监测其种植园区域。根据持续性和传播情况，病害可以是花传、叶传和土传。谷物生产通常受到叶部疾病的影响，这些疾病会减少光合面积、持续时间和功能。土传病害包括维管束枯萎病、根腐病和立枯病；并可能表现出叶子枯萎、根部腐烂和突然死亡等症状。本文强调了叶病分类的重大问题和挑战。还包括基于农产品、方法、效率、优缺点的不同方法的比较研究。该综述研究分析了过去五到七年最常用的机器学习算法，揭示了支持向量机（SVM）已广泛用于疾病分类。还对特定技术（特征提取加上基于机器学习的分类算法）及其相关准确度进行了分析，证明（ORB）特征与线性 SVM 相结合可提供 99.98% 的最高准确度。和缺点也包括在内。该综述研究分析了过去五到七年最常用的机器学习算法，揭示了支持向量机（SVM）已广泛用于疾病分类。还对特定技术（特征提取加上基于机器学习的分类算法）及其相关准确度进行了分析，证明（ORB）特征与线性 SVM 相结合可提供 99.98% 的最高准确度。和缺点也包括在内。该综述研究分析了过去五到七年最常用的机器学习算法，揭示了支持向量机（SVM）已广泛用于疾病分类。还对特定技术（特征提取加上基于机器学习的分类算法）及其相关准确度进行了分析，证明（ORB）特征与线性 SVM 相结合可提供 99.98% 的最高准确度。

"点击查看英文标题和摘要"

相关知识

机器学习在植物病害识别研究中的应用
基于图像的植物病害识别与分类
【机器学习】花卉识别01
农作物病虫害识别技术的发展综述
用于自动叶片病虫害识别的图像处理技术的最新进展–综述,Information Processing in Agriculture
可持续农业的智能检测：植物病害检测中基于物联网的嵌入式系统、云平台、深度学习和机器学习综述,Multimedia Tools and Applications
农作物病害识别与分类
基于Matlab花卉识别分类系统
探索农业科技的新里程：植物病害检测系统
机器学习在昆虫图像自动识别中的应用——综述,Ecological Informatics

网址: 最新植物病害识别和分类机器学习技术的系统综述,IETE Technical Review https://www.huajiangbk.com/newsview787765.html