Deep learning dan computer vision dalam deteksi penyakit tanaman: tinjauan komprehensif teknik, model, dan tren di pertanian presisi

Penyakit tanaman menyebabkan kerusakan signifikan pada pertanian, mengakibatkan kehilangan hasil yang besar dan menjadi ancaman utama bagi ketahanan pangan. Deteksi, identifikasi, kuantifikasi, dan diagnosis penyakit tanaman merupakan bagian penting dari pertanian presisi dan perlindungan tanaman. Modernisasi pertanian dan peningkatan efisiensi produksi sangat dipengaruhi oleh penggunaan teknologi computer vision untuk diagnosis penyakit tanaman. Teknologi ini menonjol karena sifatnya yang non-destruktif, cepat, responsif secara real-time, dan presisi. Deep learning (DL), terobosan terkini dalam computer vision, telah menjadi titik fokus dalam perlindungan tanaman pertanian yang dapat meminimalkan bias dari pemilihan fitur bercak penyakit secara manual. Studi ini meninjau teknik dan alat yang digunakan untuk identifikasi penyakit otomatis, model DL terkini, dan tren terkini dalam analisis citra berbasis DL.

Tinjauan ini secara sistematis menganalisis lebih dari 278 artikel penelitian, memeriksa teknik, kinerja, manfaat, kelemahan, kerangka kerja yang mendasari, dan dataset referensi. Analisis disusun sesuai dengan arsitektur model computer vision dan deep learning. Aspek kunci yang dievaluasi meliputi teknik pencitraan dan sensor seperti kamera RGB, multispektral, dan hiperspektral untuk deteksi dini penyakit. Studi ini juga menilai berbagai arsitektur DL, termasuk convolutional neural networks (CNN), vision transformers (ViT), generative adversarial networks (GAN), vision language models (VLM), dan foundation models. Metodologi ini menghubungkan penelitian akademik dengan aplikasi pertanian praktis, memberikan panduan tentang kesesuaian model-model ini untuk lingkungan produksi.