Maschinelles Lernen und Deep Learning zur Klassifizierung und Erkennung von Pflanzenkrankheiten

Präzisionslandwirtschaft ist ein schnell wachsendes Feld, das sich mit den aktuellen Anliegen zur nachhaltigen Landwirtschaft beschäftigt. Maschinelles Lernen ist die Schlüsseltechnologie, die der Präzisionslandwirtschaft zugrunde liegt und die Entwicklung fortschrittlicher Methoden zur Erkennung und Klassifizierung von Krankheiten ermöglicht. Dieses Papier präsentiert einen Überblick über die Anwendung von Techniken des maschinellen Lernens und des Deep Learning in der Präzisionslandwirtschaft, insbesondere zur Erkennung und Klassifizierung von Pflanzenkrankheiten. Wir schlagen ein neuartiges Klassifizierungsschema vor, das alle relevanten Arbeiten in den entsprechenden Klassen kategorisiert. Wir unterteilen die Studien in zwei Hauptkategorien, je nachdem, welche Methodologie sie verwenden (d. h. Klassifizierung oder Objekterkennung). Darüber hinaus präsentieren wir die verfügbaren Datensätze zur Erkennung und Klassifizierung von Pflanzenkrankheiten. Schließlich führen wir eine umfangreiche computergestützte Studie zu fünf hochmodernen Objekterkennungsalgorithmen auf dem PlantDoc-Datensatz durch, um Krankheiten erkennbar zu machen, die auf den Blättern vorhanden sind, und zu achtzehn hochmodernen Klassifizierungsalgorithmen auf dem PlantDoc-Datensatz, um vorherzusagen, ob eine Krankheit in einem Blatt vorliegt oder nicht. Die computergestützten Ergebnisse zeigen, dass die Genauigkeit der Objekterkennung mit YOLOv5 hoch ist. Für die Bildklassifizierungsaufgabe haben die Netzwerke ResNet50 und MobileNetv2 den optimalsten Kompromiss zwischen Genauigkeit und Trainingszeit.