---
tags: Plant Disease Detection, Prediction Analysis
title: Prediction Analysis 2019/11/6
date: '06, November, 2019'
---

## 市面上的病蟲害應用app比較
|名稱|Pestoz|plantix|Agrio|Leaf Doctor|
|--|--|--|--|--|--|
|使用技術|電腦視覺技術(未詳細說明)|深度學習(未說明)|深度學習(未說明)|彩色圖像處理與深度學習(未說明)
|辨識種類|17植物(google介紹)|555種病蟲害(官網中資料)|85種病害(官網中資料)|6種疾病8種嚴重程度
|data來源|無資料|無資料|無資料|無資料|
|是否需聯網|是|是|是|是|
|執行平台|Android|Android|Android/IOS|Android/IOS|
|上市日期|2017/5|2015/6|2017/6|2017/12|
|開發國家|印度|德國|以色列|美國(康乃爾大學)|
|下載狀況|無法連接伺服器|無法連接伺服器|可下載|可下載(無網站資料)|

## 各應用比較


由於手機無法執行部分app，因此使用其他論文比較Agrio、plantix、Leaf Doctor的正確率表格

## 結論
app都來自於國外，以直接拍照上傳為主，但多數app的評價都不是很高，上圖以檸檬葉辨識的結果正確率都不到80%；但多數病蟲害辨識的論文正確率都高達95%以上，目前假設因素是由於論文的data幾乎都是以去背過的乾淨資料為樣本，沒有自然界中光線、背景等雜訊，才會有這麼大的差異。

## 病蟲害app參考資料
1.[pestoz](https://play.google.com/store/apps/details?id=com.pestoz.pestoz&hl=zh_TW)
2.[plantix](https://plantix.net/en/)
3.[Agrio](https://www.saillog.co/#oursolution)
4.[Leaf Doctor](https://apsjournals.apsnet.org/doi/10.1094/PDIS-03-15-0319-RE)
5.[Lemon Leaf Fungal Disease Grading Using Image Segmentation Based On Pixel IntensityTransformation In Android Smartphone Platform:A Novelty And Review](http://www.ijstr.org/final-print/sep2019/Lemon-Leaf-Fungal-Disease-Grading-Using-Image-Segmentation-Based-On-Pixel-Intensity-Transformation-In-Android-Smartphone-Platform-A-Novelty-And-Review.pdf)

## 植物辨識app比較

|名稱|Flower Recognition|pl@ntnet|智慧型植物辨識圖鑑：大安森林公園花卉(開發中,2018創新獲獎提案)|
|--|--|--|--|
|使用技術|深度學習(RA-CNN)|深度學習(ResNet-50)|深度學習( à trous convolutions)|
|辨識種類|未說明|294K class|大約 50 種|
|data來源|未提供|未提供|未提供(未來將開源)|
|是否需聯網|是|是|否|
|執行平台|IOS|Android/IOS|Android/IOS|
|上市日期|2016/7|2014/2|未上市|
|開發國家|中國微軟|法國|台灣|
|下載狀況|可下載|可下載|未上市|
## 結論

市面上辨識軟體常有三大問題:(1)多數app都來自國外，資料擴充不易，且普遍對於國內植物的辨識度較差(2)時常有同屬物種混淆的情況(3)必需聯網才能夠辨識。上表提到的"智慧型植物辨識圖鑑：大安森林公園花卉"構想來自於2018功名創新提案的獲獎團隊，提出以(à trous convolutions)作為訓練model，在層數限制下加大receptive field以達到更好的辨識度，也使得app可以直接在手機上運行，不需要聯網

## 植物辨識app參考資料
1.[Flower Recognition](https://www.microsoft.com/en-us/research/project/flowerreco/)
2.[微软识花](https://www.zhihu.com/question/57075015)
3.[pl@ntnet](http://orap.irisa.fr/wp-content/uploads/2018/11/9-Orap-F42-Alexis-Joly.pdf)
4.[PL@NTNET APP IN THE ERA OF DEEP LEARNING](https://openreview.net/pdf?id=HJVJpENFg)