TY -的A2 Goncalves保罗Jorge Sequeira AU -库马尔,拉吉盟发出轧轧声,阿非盟-辛格,阿米特普拉卡什AU -辛格Dinesh PY - 2022 DA - 2022/07/20 TI -系统分析基于机器学习和深度学习的植物叶子疾病分类方法:回顾SP - 3287561六世- 2022 AB -作物产量的生产和质量严重影响作物疾病造成不利影响粮食安全以及经济损失。在印度,农业是主要的收入来源在大多数农村地区。因此,有一个强烈的需要运用新颖的自动作物疾病检测和精确的计算机应用技术及其分类,这样可以及时推荐预防性行动。在文学,许多计算机应用技术通过利用机器学习的不同组合,深度学习,CNN和各种图像处理技术及其相关的优缺点已经讨论。在这项研究中,我们系统地回顾了最近的研究由各种各样的学者和研究人员的真菌和细菌病害检测和分类,总结了基于作物利用的重要参数如类型,深度学习/机器学习架构,数据集用于试验,性能矩阵类型的疾病检测和分类,模型精度达到最高。按照分析,基于机器学习的分类方法,研究利用实域植物叶子图像和30%的70%利用实验室条件疾病分类在植物叶子图像基于深度学习方法的情况下,55%的研究从PlantVillage laboratory-conditioned图像数据集,使用25%利用实域图像,20%使用开放的图像数据集。平均精度达到与深度上优于方法相当高98.8%相比,基于机器学习方法在92.2%。基于深度学习的方法,我们也分析了pretrained的表演和从头训练模型,用于各种研究植物叶子疾病分类。Pretrained模型执行更好的分类精度为99.64%而从头开始训练模型实现了98.64%的平均精度。我们还强调了一些重大问题在计算机应用中遇到疾病检测和分类方法用于文学和提供建议,帮助和指导研究人员探索新的维度识别作物疾病。 SN - 1687-725X UR - https://doi.org/10.1155/2022/3287561 DO - 10.1155/2022/3287561 JF - Journal of Sensors PB - Hindawi KW - ER -