Machine Learning-Based Tea Leaf Disease Detection: A Comprehensive Review

要約

茶葉の病害は農業生産性に対する大きな課題であり、茶産業の収量と品質に多大な影響を及ぼす。機械学習の台頭により、これらの病害と闘うための革新的なアプローチの開発が可能になった。効果的な作物管理には、早期発見と診断が欠かせません。茶葉の病害を予測するために、さまざまな画像処理技術を用いた自動化システムがすでにいくつか開発されている。本論文では、画像分類による茶葉病害の診断に応用された機械学習方法論に関する文献を体系的にレビューする。Inception Convolutional Vision Transformer（ICVT）、GreenViT、PlantXViT、PlantViT、MSCVT、Transfer Learning Model & Vision Transformer（TLMViT）、IterationViT、IEM-ViTなど、様々なVision Transformerモデルの長所と制約を徹底的に評価する。さらに本稿では、密畳み込みネットワーク（DenseNet）、残差ニューラルネットワーク（ResNet）-50V2、YOLOv5、YOLOv7、畳み込みニューラルネットワーク（CNN）、ディープCNN、非排他的ソート遺伝的アルゴリズム（NSGA-II）、MobileNetv2、病変対応視覚変換器などのモデルについてもレビューする。これらの機械学習モデルは様々なデータセットでテストされ、実世界での適用可能性が実証されている。この総説研究は、この分野における現在の進歩を明らかにするだけでなく、機械学習に基づく茶葉の病気の検出と分類における今後の研究の方向性についても貴重な洞察を与えてくれる。

要約(オリジナル)

Tea leaf diseases are a major challenge to agricultural productivity, with far-reaching implications for yield and quality in the tea industry. The rise of machine learning has enabled the development of innovative approaches to combat these diseases. Early detection and diagnosis are crucial for effective crop management. For predicting tea leaf disease, several automated systems have already been developed using different image processing techniques. This paper delivers a systematic review of the literature on machine learning methodologies applied to diagnose tea leaf disease via image classification. It thoroughly evaluates the strengths and constraints of various Vision Transformer models, including Inception Convolutional Vision Transformer (ICVT), GreenViT, PlantXViT, PlantViT, MSCVT, Transfer Learning Model & Vision Transformer (TLMViT), IterationViT, IEM-ViT. Moreover, this paper also reviews models like Dense Convolutional Network (DenseNet), Residual Neural Network (ResNet)-50V2, YOLOv5, YOLOv7, Convolutional Neural Network (CNN), Deep CNN, Non-dominated Sorting Genetic Algorithm (NSGA-II), MobileNetv2, and Lesion-Aware Visual Transformer. These machine-learning models have been tested on various datasets, demonstrating their real-world applicability. This review study not only highlights current progress in the field but also provides valuable insights for future research directions in the machine learning-based detection and classification of tea leaf diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL