在使用深度学习的棉花叶图像中自动检测病变
Frnaz Akbar1, Yassine Aribi2, Syed Muhammad Usman3
1Department of Creative Technologies, Faculty of Computing and AI, Air University, Islamabad, Pakistan.
PeerJ. Computer science
|December 9, 2024
概括
这项研究引入了一种新的深度学习方法,用于自动检测棉花叶病. 该方法使用生成对抗网络 (GAN) 来增强数据,并使用一组模型来提高识别棉花植物疾病的准确性.
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:
- 棉花叶病显著影响全球作物产量.
- 准确有效地检测棉花病对农业经济至关重要.
- 自动检测的挑战包括有限的数据集,类不平衡和各种损伤大小.
研究的目的:
- 开发一种精确且可扩展的自动化方法来检测棉花叶病.
- 解决自动疾病检测方面的挑战,包括阶级不平衡和有限的数据.
- 提高识别各种棉花作物疾病的准确性和效率.
主要方法:
- 利用一种新的深度学习方法,将数据增强与生成对抗网络 (GAN) 结合起来.
- 采用基于集体的方法,整合了来自VGG16,Inception V3和ResNet50架构的特征向量.
- 在一个包含七种疾病和一个健康类别的公共数据集上实施和评估了该方法.
主要成果:
- 在检测棉花叶病时达到95%的最高准确度.
- 获得了98%的F1得分,证明了高精度和回忆.
- 拟议的方法在自动疾病识别方面优于现有的最先进技术.
结论:
- 新的深度学习方法有效地解决了阶级不平衡,并提高了检测棉花叶病的准确性.
- 组合方法结合了多个深度学习架构,为自动化作物疾病监测提供了强大的解决方案.
- 这项研究在精密农业方面取得了重大进展,改善了棉花作物管理和产量保护.
