Computational Botany: A Review of Machine Learning, IoT, and Bioinformatics in Plant Sciences

方法

文献综述，聚焦深度学习病害检测、IoT生理监测与植物基因组高性能计算。

发现

识别出数据集偏差与处理延迟等技术瓶颈，并展望AI与精准农业融合路径。

机会点

可针对数据集偏差与边缘端处理延迟，研究轻量化模型与跨域数据融合的病害检测方案。

计算机科学与植物学的交叉融合，推动了植物分类学、病理学及农业管理领域的范式转变。本文综述了当前植物科学中计算应用的文献，聚焦于三个主要领域：用于自动化病害检测的深度学习、用于生理监测的物联网（IoT）传感器网络，以及植物基因组学中的高性能计算。通过综合近期方法论，本综述指出了现有技术瓶颈——如数据集偏差与处理延迟——并展望了将人工智能融入可持续植物研究与精准农业的未来路径。