深度学习框架使用无人机图像用于谷物作物的多种疾病检测
Aqsa Mahmood1,2, Waheed Anwar2, Hina Sattar1
1Department of Computer Science & IT, Government Sadiq College Women University, Bahawalpur, 63100, Pakistan.
Scientific reports
|December 26, 2025
概括
一个新的混合深度学习框架 (MDDM-WD) 准确地使用无人机图像检测多种小麦疾病. 这种自动化系统增强了精准农业,并支持可持续的农业实践,以改善粮食安全.
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:
- 小麦生产对于全球粮食安全至关重要,但受到疾病和环境因素的威胁.
- 传统的疾病检测方法是劳动密集的,耗时的,主观的.
- 自动化,实时的疾病监测对于现代精准农业至关重要.
研究的目的:
- 使用无人机图像开发用于小麦疾病 (MDDM-WD) 的自动化,准确和实时多种疾病检测框架.
- 将深度学习 (VGG-16) 与机器学习分类器集成,以加强小麦疾病的识别.
- 解决农业传统疾病检测方法的局限性.
主要方法:
- 一种混合深度学习方法,利用VGG-16卷积神经网络通过转移学习进行特征提取.
- 使用支持矢量机 (SVM),随机森林 (RF),决策树 (DT),XGBoost和伯努利天真贝耶斯 (BNB) 的提取特征的分类.
- 针对小麦疾病的定制数据集进行培训和评估,包括条纹,粉状菌,和黄矮虫.
主要成果:
- 混合MDDM-WD框架实现了高分类性能,准确度在74%至97%之间.
- 基于SVM的模型变体表现出卓越的性能,精度为96%,回忆率为95.7%,F1得分为96%和准确率为97%.
- 该系统有效地识别了多种小麦疾病,比传统方法有了显著的改进.
结论:
- 拟议的两相微调的MDDM-WD系统对于早期检测多种小麦疾病是有效和高效的.
- 该框架为精准农业提供了一个资源高效和可扩展的解决方案,帮助农民做出决策.
- 该研究支持通过自动化疾病监测促进可持续农业的发展.
