深度学习技术在茶叶病害检测中的批判性研究
计算机视觉与模式识别
2025-10-28 v1 人工智能
摘要
本文提出的解决方案是一种深度学习技术，能够对三类茶叶病害进行分类，其中两种病害由害虫引起，一种则由致病性微生物和环境条件引起，并显示出叶片中病害侵染区域。具体为红锈病、蚜蜥虫和红蜘蛛蜱。我们评估了两种模型，即 SSD MobileNet V2 和 Faster R-CNN ResNet50 V1 用于目标检测。SSD MobileNet V2 在 IOU 范围为 0.50:0.95 时的精确率为 0.209，召回率为 0.02，最终 mAP 为 20.9%。而 Faster R-CNN ResNet50 V1 在 IOU 范围为 0.50:0.95 时的精确率为 0.252，召回率为 0.044，mAP 为 25%，优于 SSD 方法。我们还使用 Mask R-CNN 进行目标实例分割，并实现了计算受感染叶片损伤面积的自定义方法。
引用
@article{arxiv.2510.22647,
title = {A Critical Study on Tea Leaf Disease Detection using Deep Learning Techniques},
author = {Nabajyoti Borah and Raju Moni Borah and Bandan Boruah and Purnendu Bikash Acharjee and Sajal Saha and Ripjyoti Hazarika},
journal= {arXiv preprint arXiv:2510.22647},
year = {2025}
}