在果叶中识别多种疾病,基于优化的轻量级卷积神经网络
Bin Wang1, Hua Yang1, Shujuan Zhang2
1College of Information Science and Engineering, Shanxi Agricultural University, Jinzhong 030801, China.
Plants (Basel, Switzerland)
|June 19, 2024
概括
这项研究优化了RegNet模型,用于识别七种果叶病,即使在复杂的背景下也能达到高精度. 离线扩展和转移学习显著改善了疾病分类性能.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确识别果叶病对果园管理至关重要.
- 在单一的叶子上区分多种疾病是一个重大挑战.
- 现有的方法可能会与复杂的现场条件和疾病相似性作斗争.
研究的目的:
- 开发一个优化的RegNet模型,精确识别七种常见的果叶病.
- 评估各种因素对疾病分类模型性能的影响.
- 为了应对在果叶上的多种疾病情景中疾病相似性的挑战.
主要方法:
- 用一个优化的RegNet模型来识别果叶病.
- 对训练方法,数据扩展,优化器和图像背景进行了比较分析.
- 使用了离线数据扩展和转移学习,并进行了完整的参数微调.
主要成果:
- 离线扩展和转移学习增强了模型分类性能.
- 发现复杂的图像背景显著影响模型性能.
- 优化的RegNet模型在两个数据集上实现了93.85%和99.23%的高测试精度.
结论:
- 优化的RegNet模型显示了强大的泛化,用于果叶病的识别.
- 在复杂的背景下,可以在同一片叶子上高精度识别多种疾病.
- 这种方法对果园中的智能疾病识别系统具有重大潜力.
