Аннотация. Обнаружение болезней растений имеет решающее значение для современного сельского хозяйства, поскольку своевременная диагностика может значительно снизить потери урожая и повысить производительность. В этом обзоре представлены передовые системы обнаружения болезней, основанные на методах машинного обучения и мультимодального анализа данных. Было проведено всестороннее сравнение различных алгоритмов машинного обучения, включая сверточные нейронные сети (CNN), модели трансферного обучения и методы обнаружения объектов, такие как YOLO. Это исследование демонстрирует, что сочетание визуальных данных с анализом летучих органических соединений (ЛОС) повышает точность и надежность диагностики. Это открывает возможности для реальной разработки спутниковых и недорогих систем мониторинга, которые можно использовать в полевых условиях. Теоретически, эта работа способствует разработке стратегий интеграции разнородных данных и оптимизации моделей на основе глубоких нейронных сетей, чтобы сделать их более легкими и эффективными. В обзоре особое внимание уделяется разработке масштабируемых и адаптивных технологий для обнаружения болезней растений в точном земледелии.

Ключевые слова: обнаружение болезней растений, машинное обучение, сверточные нейронные сети, MobileNet, мультимодальные данные, определение в реальном времени, сельскохозяйственные технологии, VOC датчики.