ASEAN Journal of Scientific and Technological Reports·10月11日 · 周日论文智慧农业 / 农业物联网阅读 1
Hybrid CNN-LSTM Techniques for Plant Leaf Disease Detection and Farmer-Based Agricultural Practice Analysis in Western Tamil Nadu
Valarmathi Palaniappan · Laurence Aroquiaraj
论文解读
67接近精选线
速览
结合CNN-LSTM混合模型检测植物叶片病害，并调查印度泰米尔纳德邦农户的农业实践与技术采纳情况。
方法
CNN-LSTM混合深度学习模型；对140名农户进行问卷调查与统计分析。
发现
CNN-LSTM模型病害识别准确率超98%；年轻农户更愿采纳新技术，年长农户仍依赖传统方式。
机会点
可探索轻量化CNN-LSTM模型在移动端的部署，并结合农户技术接受度差异设计差异化推广策略。
影响力12
信息增量18
专业深度16
信源权威12
时效性9
CNN-LSTM混合模型病害识别与印度农户技术采纳调研结合，方法有参考价值但属区域性研究，影响力有限。
原文摘要
植物病害严重影响作物生产力和农业可持续性，因此早期、准确的病害检测至关重要。本研究探讨了用于植物叶片病害检测与分类的混合深度学习方法，重点结合卷积神经网络（Convolutional Neural Network, CNN）与长短期记忆网络（Long Short-Term Memory, LSTM）。对现有研究的综述表明，CNN-LSTM混合模型达到了98%以上的准确率，优于其他多种混合方法。此外，一项针对泰米尔纳德邦西部地区140名农民的调查分析了耕作实践、病害识别方法和管理技术。研究结果表明，年轻农民正逐步采用现代农业技术，而年长农民仍继续依赖传统做法。本研究凸显了CNN-LSTM模型在智慧农业中的有效性，并强调了农民意识和技术采用对可持续作物管理的重要性。