بیماریهای گیاهی تهدیدهای مهمی برای بهره‌وری کشاورزی جهانی هستند که باعث خسارتهای اقتصادی قابل توجه در سراسر دنیا می‌شوند. روش‌های سنتی تشخیص بیماری، که به بازرسی دستی متکی هستند، پرزحمت، زمان‌بر و مستعد خطای انسانی هستند. پیشرفت‌های اخیر در هوش مصنوعی (AI) و تکنیک‌های تحلیل تصویر، انقلابی در محافظت از گیاهان ایجاد کرده‌اند و امکان تشخیص سریع، دقیق و غیرمخرب بیماری‌ها را فراهم کرده‌اند. این مقاله به بررسی جامعی از تکنیک‌های تحلیل تصویر در هوش مصنوعی برای محافظت از گیاهان می‌پردازد. همچنین کاربردها، روش‌ها و چالش‌های آن‌ها نیز مورد بررسی قرار گرفته است. نقش یادگیری ماشین (ML) و یادگیری عمیق (DL) در خودکارسازی تشخیص بیماری، ادغام تصویربرداری فراطیفی برای شناسایی زودهنگام تنش‌ها، و استفاده از افزایش داده و هوش مصنوعی مولد برای غلبه بر محدودیت‌های مجموعه‌داده‌ها را بررسی می شود. افزون بر این، پتانسیل کشاورزی دقیق مبتنی بر هوش مصنوعی در کاهش استفاده از سموم و ترویج روش‌های کشاورزی پایدار را برجسته می‌کنیم. این مرور با جهت‌گیری‌های آینده برای تحقیق و اجرا به پایان می‌رسد و بر نیاز به راه‌حل‌های مقیاس‌پذیر و مقرون‌به‌صرفه برای مقابله با چالش‌های جهانی کشاورزی تأکید می‌کند.
