植物病害检测深度学习模型的三级系统性文献综述（Tertiary Systematic Literature Review）与实验评估

《Precision Agriculture》：A tertiary systematic literature review and experimental evaluation of deep learning models for plant disease detection

　　

摘要：通过早期检测植物病害以减少作物损失对提升全球农业效率至关重要。尽管深度学习（Deep Learning, DL）已成为有前景的解决方案，但实验室性能与实际田间应用之间存在显著差距。本研究通过双重方法学评估此差异。首先，开展三级系统性文献综述（Tertiary Systematic Literature Review），综合22篇二级综述涵盖超过750篇原始研究以确定当前技术水平。其次，使用基于三种不同数据集（规模：小vs大；环境：实验室vs田间；条件：原始vs预处理）训练的VGG16迁移学习（Transfer Learning）模型进行实证验证。三级综述确定卷积神经网络（Convolutional Neural Network, CNN），特别是VGG架构，为领先模型，但强调对私有且不切实际数据集的严重依赖。此外，分析揭示最常用的准确率（Accuracy）通常不足以评估典型的类别不平衡田间数据集。实证结果佐证上述发现，证明VGG16性能高度依赖数据集特征；模型在大型、预处理的实验室数据上表现显著优于真实田间数据集。这些发现表明许多现有模型仍不适用于真实世界农业场景。为弥合此现实差距（Reality Gap），未来研究须优先开发开源、标准化且经过验证的田间数据集，以确保自动病害检测系统的可靠性与可扩展性。

《Precision Agriculture》刊载论文解读：植物病害检测深度学习模型的 tertiary systematic literature review 与实验评估

研究背景与立项依据

全球农业生产面临病虫害严重威胁，每年造成高达40%的作物损失，早期检测对保障粮食安全意义重大。传统人工检测耗时费力且易出错，基于计算机视觉的机器学习与深度学习（Machine Learning/Deep Learning, ML/DL）尤其是卷积神经网络（Convolutional Neural Network, CNN）推动了植物病害检测（Plant Disease Detection, PDD）自动化发展，文献报道CNN在特定数据集上准确率可达近100%。然而，绝大多数PDD研究依赖实验室受控环境下采集、经重度预处理或背景单一的"洁净"数据集（如PlantVillage），且多为私有数据集，导致模型在存在背景噪声、光照变化、遮挡及复杂朝向的真实田间环境中性能大幅下降，形成显著的"现实差距（Reality Gap）"。此外，农业数据集常呈类别不平衡，单纯使用准确率（Accuracy）易误导评估。为此，研究人员通过综合现有文献并开展对照实验，系统探究数据集特征（规模、环境真实性、预处理程度）对基准CNN模型性能的影响，以论证当前PDD研究之局限并提出改进方向。

主要关键技术方法

研究人员采用双阶段研究设计：第一阶段开展三级系统性文献综述（Tertiary Systematic Literature Review, TLR），检索Scopus、Web of Science等数据库，以("deep learning" OR "machine learning") AND ("plant" OR "leaf" OR "crop") AND ("disease" OR "infection") AND ("detect" OR "classif" OR "recognit*") AND ("SLR" OR "review" OR "systematic mapping")为检索式，通过纳入排除标准（英文、2018年后发表、二级综述等）及质量评分最终筛选22篇二次综述进行数据提取与合成；第二阶段开展实证验证，选用三组数据——实验室/预处理大数据集PlantVillage（54000+图，均匀背景，无田间元素）与JMuBEN2（大尺度含预处理/去背景田间图），以及真实田间小数据集GoodCucumber（约700张_raw in-field images含背景噪声与多变条件），使用Keras中加载ImageNet权重的VGG16进行迁移学习（冻结卷积基，替换全连接层为两类输出healthy/diseased，Softmax激活，Adam优化器，分类交叉熵损失，图像重调至224×224，RGB转BGR并按ImageNet零中心化，80%训练/20%测试，15%训练集作验证，Batch Size=1，各数据集独立训练并重复运行5次），计算准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1值及AUC ROC，采用Wilcoxon符号秩检验（p<0.05为显著）与效应量R=Z/√N评估组间差异统计与实践显著性。

研究结果

Phase 1: findings from the TLR（三级综述发现）

— RQ1: model dominance（主流模型）：深度学习尤其是CNN为主流，VGG16、VGG19、ResNet50、AlexNet及GoogLeNet常被报道，其中VGG及ResNet变体在原始研究中常报告98%–100%准确率，CNN因权重共享与免手工特征提取受青睐。

— RQ2: dataset limitations（数据集局限）：多数研究使用私有数据集或PlantVillage；PlantVillage含隔离叶片与均匀背景属实验室型，缺乏田间复杂性；少数含田间图的数据集（如Rice、Apple）未成主流；公开大规模田间数据集稀缺。

— RQ3: pre-processing methods（预处理方法）：文献中明确记载较少，最常用为数据增强（Data Augmentation）与尺寸调整（Resizing），偶有分割、去噪、灰度化或归一化。

— RQ4: metric inconsistency（评估指标）：最常用为准确率（Accuracy），其次为精确率、召回率、F1值；70%的二次综述指出准确率在类别不平衡农业数据中不充分。

— RQ5: challenges and open problems（挑战与开放问题）：最主要挑战为缺乏大规模公开田间数据集及真实场景研究不足；其余含模型泛化性与统一基准缺失、图像中光照/遮挡/多角度/全株检测难、同株多病共存及症状相似难区分、早发型病害无症状检测难等。

Phase 2: empirical results of dataset influence（数据集影响实证结果）

— Performance comparison（性能比较）：VGG16在JMuBEN2（预处理田间大数据）上AUC ROC恒为1.00，PlantVillage（实验室大数据）AUC ROC为0.97–0.98，GoodCucumber（原始田间小数据）AUC ROC均值仅0.84（范围0.81–0.87），Precision/Recall/F1趋势一致，小原始田间数据集结果波动更大。

— Statistical tests（统计检验）：配对Wilcoxon检验显示JMuBEN2 vs GoodCucumber (Z=-2.023, p=0.043)、JMuBEN2 vs PlantVillage (Z=-2.070, p=0.038)、PlantVillage vs GoodCucumber (Z=-2.032, p=0.042)均具统计学显著差异(p<0.05)；效应量|R|>0.5，表明差异具高实际意义，证实模型性能统计显著依赖于数据集特征。

讨论与结论翻译

讨论指出当前PDD研究存在"准确率陷阱"——实验室近完美表现源于数据集特性而非模型鲁棒性；数据集质量与多样性比单纯架构优化更关键；仅靠准确率评估不充分，应补充Precision、Recall及F1-Score；未来须用真实田间数据训练CNN方能使PDD落地；呼吁建立开源标准化田间基准数据集及要求报告F1与抗干扰鲁棒性测试。结论：本研究通过TLR与VGG16实证验证确认PDD领域过度依赖非真实实验室数据，模型性能随控制环境向原始田间数据转变而统计显著下降(p<0.05)。弥合现实差距需转向含环境噪声的原始数据集、建立开源标准化验证数据集并在出版时要求报告F1值及对非标准化数据的鲁棒性测试。PDD下一前沿非更复杂模型，而是更优更真实的训练数据。