使用协同深度学习范式检测棉花病的多卷积神经网络
Afira Aslam1, Syed Muhammad Usman2, Muhammad Zubair3
1Department of Creative Technologies, Faculty of Computing and Artificial Intelligence, Air University, Islamabad, Pakistan.
PloS one
|May 27, 2025
概括
这项研究引入了一种新的深度学习方法,用于准确检测棉花病,达到97%的准确性. 这种方法有效地分类了六种疾病和一个健康类别,帮助农民在作物管理.
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:
- 棉花是重要的商业作物,受到疾病威胁,影响全球农业.
- 准确的疾病检测对于产量保护和资源管理至关重要.
- 现有的自动化方法面临着诸如阶级不平衡和症状变化等挑战.
研究的目的:
- 开发一种自动化,准确的方法来分类七种棉花植物条件 (六种疾病和健康).
- 解决多种疾病分类方面的挑战,包括类不平衡和实时检测需求.
主要方法:
- 使用传统技术和定制的StyleGAN生成合成数据,以解决类不平衡问题.
- 使用MobileNet和VGG16的特征提取,结合成一个全面的特征向量.
- 一个整体分类器 (StackNet) 集成长短期内存单元,支持矢量机器和随机森林输出.
主要成果:
- 在分类六种棉花疾病和一个健康类中,平均准确率达到了97%.
- 与现有最先进的技术相比,提出的方法显示出更高的性能.
- 成功地解决了类不平衡问题,并提高了各种疾病症状的分类准确性.
结论:
- 新的深度学习合并方法为准确的,多类棉花疾病识别提供了强大的解决方案.
- 这种方法有潜力显著帮助农民在疾病管理和提高作物产量.
- 该方法的高精度和处理现实世界挑战的能力为实际农业应用铺平了道路.
