手工制作和深度学习特征的协同使用,用于番茄叶病的分类
Mohamed Bouni1, Badr Hssina2, Khadija Douzi2
1Laboratory LIM, IT Department FST Mohammedia, Hassan II University, Casablanca, Morocco. medbouni@gmail.com.
Scientific reports
|November 5, 2024
概括
这项研究介绍了一种自动化系统,用于通过手工制作的功能和深度学习来检测番茄叶病. 混合方法实现了92%的准确性,改善了农业疾病分类.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 番茄叶病对作物产量和质量构成重大威胁.
- 准确和及时的疾病诊断对于有效的管理至关重要.
- 现有的诊断方法可能是劳动密集型和主观的.
研究的目的:
- 开发一种自动化计算机辅助诊断 (CAD) 系统,用于检测和分类番茄叶病.
- 将传统的特征工程与深度学习相结合,以提高诊断准确度.
- 解决农业数据集中的数据不平衡问题.
主要方法:
- 图像预处理和细分以确定感兴趣的区域 (ROI).
- 根据ABCD规则 (不对称性,边界,颜色,直径) 提取手工制作的特征.
- 通过基于相互信息的特征融合,将手工制作的特征与卷积神经网络 (CNN) 输出集成.
- 开发一种新的评估方法来处理数据不平衡.
主要成果:
- 混合CAD系统在现场测试中实现了92%的整体准确性.
- 与传统方法相比,这种新的评估方法使分类准确度提高了15%.
- 该系统在自动检测和分类番茄叶病方面表现出有效性.
结论:
- 拟议的系统有效地结合了古典和深度学习技术,以准确诊断番茄叶病.
- 混合方法为精准农业和疾病管理提供了一个有希望的解决方案.
- 这项研究为自动化农业诊断制定了新的标准.
