Revista de Investigación en Tecnologías de la Información·10月2日 · 周五论文农业人工智能与决策模型阅读 3
Visión artificial para la detección de plagas en cultivos de tomate: revisión sistemática de la literatura
Jesús Alberto Alarcón Luna · María Salomé Alejandre Apolinar · Hugo Amores Pérez 等 5 人
论文解读
63接近精选线
速览
系统综述2020-2026年计算机视觉与深度学习在番茄设施栽培虫害检测中的研究。
方法
遵循Kitchenham指南系统检索筛选50篇文献，归纳技术、数据与性能。
发现
深度学习模型在虫害症状自动识别任务中普遍报告高性能，但多限于特定条件。
机会点
面向设施农业与小规模生产的轻量化模型及参与式监测集成仍属研究空白。
影响力12
信息增量18
专业深度15
信源权威10
时效性8
系统综述梳理2020-2026年计算机视觉与深度学习在番茄病虫害检测中的应用，方法规范、结论有参考价值，但属细分领域综述，公共影响有限。
原文摘要
植物检疫监测是减少保护地番茄种植中由有害生物造成的产量损失的一项重要活动。近年来，计算机视觉和深度学习方法作为能够自动化农业图像检测与分析流程的工具而日益受到重视。尽管取得了这些进展，但仍需明确已采用了哪些技术、这些技术在何种条件下进行了评估，以及它们报告了怎样的性能，尤其是在保护地农业和小规模生产情境下。本研究旨在考察已发表的关于这些技术的研究，并评估其纳入参与式农业监测方案的潜力。为此，按照Kitchenham提出的方法学指南，对2020年至2026年间发表的科学文献进行了系统综述。该综述通过规划、研究检索与筛选以及信息综合等阶段展开，并依据事先确立的纳入与排除标准。结果共筛选并分析了50项与图像处理、人工智能和植物检疫监测相关的研究。在综述的主要发现中，多项研究报告了深度学习模型在自动识别与有害生物相关的症状及其他作物相关状况的任务中具有高性能水平。该综合识别了主要技术、数据、应用情境及所报告的性能水平，为评估其纳入参与式农业监测方案的潜力提供了参考要素。