Deep Learning for Early Disease Identification in Leaves: A Pathway to Sustainable Mango Production
Shivam Saini · Rohit Goyal · Rakesh Arya
综述深度学习与计算机视觉在芒果叶片病害早期识别中的应用，梳理三代技术并展望可持续种植。
系统综述深度神经网络与图像处理文献，按三代技术分类并评估性能、数据集与落地挑战。
叶片病害致芒果减产30–80%，需标准化数据集、可解释模型与实时部署。
芒果等热带果树病害数据集标准化与轻量化实时模型、可解释AI的田间落地研究仍空白。
综述性论文，系统梳理芒果叶病深度学习识别技术代际与瓶颈，对热带果树智慧植保有参考价值，但期刊层级与影响范围有限。
摘要：如今，农业面临的挑战如此巨大而复杂，农业专业人员仅凭观察已无法应对。本研究探讨了用于发现和分类芒果叶片病害的最新深度学习与计算机视觉技术。叶片病害使芒果作物的质量和产量下降30%–80%，给全球芒果产业造成数十亿美元的损失。我们细致梳理了大量关于深度神经网络和图像处理的学术论文。我们将当前方法划分为三个技术世代：传统图像处理系统、第一代深度学习应用，以及融合迁移学习、注意力机制和可解释人工智能的先进混合架构。我们系统评估了不同地理区域的性能指标、数据集特征和实施挑战。我们的综合评估框架和前瞻性研究路径强调了可持续、可扩展且以农户为中心的解决方案。本综述为研究热带水果的研究人员以及农业技术开发者提供了完整指南。本研究填补了数据集标准化、模型可解释性、实时部署以及精准农业系统集成方面的研究空白。关键词：智慧农业、深度学习、芒果病害、计算机视觉、精准农业、迁移学习。标题：深度学习用于叶片早期病害识别：通往可持续芒果生产的路径。作者：Shivam Saini，Rohit Goyal，Rakesh Arya。《国际计算机科学与信息技术研究杂志》，ISSN 2348-1196（印刷版），ISSN 2348-120X（在线版），第14卷，第4期，2026年10月–2026年12月，页码：8-13。Research Publish Journals网站：www.researchpublish.com。发布日期：2026年10月5日。DOI：https://doi.org/10.5281/zenodo.23159808。论文下载链接（来源）：https://www.researchpublish.com/papers/deep-learning-for-early-disease-identification-in-leaves-a-pathway-to-sustainable-mango-production