AI-Powered Early Detection of Crop Diseases and Pest Infestations: A New Paradigm for Plantation Risk Management
Dr. Geetha Govindan K Gopalakrishnan
综述AI（CNN、ViT、无人机遥感、物联网）用于作物病虫害早期检测并融入种植园风险管理。
文献综述，整合CNN、ViT、无人机多/高光谱与IoT监测的检测性能与部署方式。
AI可提升监测及时性与空间精度，但价值取决于田间验证、代表性数据与治理，应作决策支持而非替代专家。
可将AI预警层与保险、金融风控系统对接，研究跨域数据融合与可解释风险定价的空白。
综述性论文，系统梳理AI与遥感在作物病虫害早期预警中的应用并提出风险管理框架，有参考价值但方法创新与数据规模有限，信源为普通出版平台。
摘要：作物病害与虫害侵染始终是种植园生产力的持续威胁，据估计，害虫每年可摧毁全球高达40%的作物产量，植物病害与入侵昆虫在全球范围内造成重大经济损失（联合国粮食及农业组织[FAO]，2019）。气候变化通过改变病原体与害虫的地理分布范围、季节性规律及种群动态，正在加剧这些风险（Gullino等，2021；Skendžić等，2021）。本文探讨人工智能（AI）——包括卷积神经网络（CNN）、视觉变换器（ViT）、基于无人机（UAV）的多光谱与高光谱遥感，以及物联网（IoT）赋能的监测技术——如何强化种植园作物生物胁迫的早期检测，从而支撑种植园风险管理。本文基于近期同行评审文献与行业文献，综合梳理了检测性能、部署模式及其融入企业风险管理系统的路径等方面的证据。文章提出一个概念框架，其中AI赋能的预警系统作为持续运行、空间显性的风险感知层，将农艺观测与运营、财务及保险决策相衔接。AI能够提升监测的及时性、空间精度与一致性；然而，其风险管理价值取决于田间验证、具有代表性的训练数据、可靠的基础设施、可负担的部署成本以及适当的治理。因此，当前应将AI定位为决策支持工具，用以增强而非替代农艺专业知识与实地核验。关键词：人工智能；植物病害检测；虫害侵染；精准农业；种植园风险管理；机器学习；遥感。题目：AI驱动的作物病害与虫害侵染早期检测：种植园风险管理的新范式。作者：Geetha Govindan K Gopalakrishnan博士。《国际管理与商业创新期刊》ISSN 2348-7585（在线）第14卷第2期，2026年10月—2027年3月，第54-59页。研究出版期刊网站：www.researchpublish.com。发布日期：2026年10月21日。DOI：https://doi.org/10.5281/zenodo.23531526。论文下载链接（来源）：https://www.researchpublish.com/papers/ai-powered-early-detection-of-crop-diseases-and-pest-infestations-a-new-paradigm-for-plantation-risk-ma