摘要
黄龙病（Huanglongbing）主要发生在热带和亚热带地区，对全球柑橘生产构成了严重威胁，因为目前尚无有效的治疗方法。及时发现病害对于有效管理受感染的树木和防止病害传播至关重要，从而将生产者的损失降到最低。本文综述了该病害的概况，描述了受感染树木出现的症状以及该病害在世界不同地区的经济影响。一个主要挑战是缺乏经验的人容易将黄龙病与其他病害混淆。为了解决这个问题，人们采用了多种机器学习算法来识别橙树叶片中的特征和模式，因为这是该病害最明显的表现之一。本文总结了利用深度学习算法和光谱技术在黄龙病叶片图像中进行检测的几项研究，并介绍了最常用的数据集。这为该领域的发展提供了有希望的方向。这些技术对于实施智慧农业至关重要，有助于更广泛地应用新技术，从而帮助防止病害传播并减少生产损失。本文指出了实验室检测精度与实际应用可靠性之间的显著差距，强调了跨数据集验证和标准化环境噪声抑制的迫切需求。
利益冲突
作者声明没有利益冲突。
数据可用性声明
由于本研究期间未生成或分析任何数据集，因此本文不适用数据共享。
同行评审
为了保证透明度，与本文相关的同行评审文件可在此链接查看：https://doi.org/10.1111/jph.70304。
