使用循环生成对抗网络进行改进的梨病分类方法
Khulud Alshammari1, Reem Alshammari2, Alanoud Alshammari3
1Faculty of Computers & Information Technology, University of Tabuk, Tabuk, Saudi Arabia. 421009996@stu.ut.edu.sa.
Scientific reports
|March 21, 2024
概括
使用循环生成对抗网络 (CycleGAN) 改进了植物疾病检测. 这种机器学习方法提高了分类准确性,这对农业和粮食安全至关重要.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
背景情况:
- 农业对于全球粮食安全和经济稳定至关重要.
- 植物病导致大量的产量和经济损失.
- 手动识别植物疾病是不准确的,耗时的.
研究的目的:
- 为了解决卷积神经网络 (CNN) 模型培训的局限性,原因是植物疾病分类数据不足.
- 通过先进的机器学习技术,提高植物疾病检测和分类的准确性.
主要方法:
- 设计了一个循环生成对抗网络 (CycleGAN) 来增强有限的农业数据集.
- 实现了CycleGAN架构,以改善植物疾病分类的CNN模型性能.
主要成果:
- 循环GAN有效地解决了过度装配和有限的数据集大小问题.
- 开发的方法表明,植物疾病分类准确度平均提高了7%.
结论:
- 循环GAN是一种可行的方法,可以提高植物疾病分类的准确性.
- 这一进步支持更可靠的农业监测和疾病管理.


