一种用于判定番茄上 Tuta Absoluta 危害程度的深度学习方法
计算机视觉与模式识别
2020-04-09 v1
摘要
早期量化 Tuta absoluta 害虫对番茄植株的影响，是控制和预防该害虫造成严重损害的一个非常重要的因素。Tuta absoluta 的入侵被认为是番茄生产的主要威胁，若管理不当会造成 80% 至 100% 的严重损失。因此，对番茄潜叶蛾 Tuta absoluta 的实时早期量化，可在解决害虫管理问题和增强农民决策方面发挥重要作用。在本研究中，我们提出一种卷积神经网络（CNN）方法来判定 Tuta absoluta 对番茄植株的影响。四种 CNN 预训练架构（VGG16、VGG19、ResNet 和 Inception-V3）被用于在一个包含来自真实田间试验采集的健康与受害番茄叶片的数据集上训练分类器。在预训练架构中，实验结果表明 Inception-V3 取得了最佳结果，在估计番茄植株中 Tuta absoluta 的危害等级时平均准确率为 87.2%。这些预训练模型也较其他危害等级（低度 tuta 与无 tuta）更容易识别高度 Tuta 危害等级。
引用
@article{arxiv.2004.04023,
title = {A Deep Learning Approach for Determining Effects of Tuta Absoluta in Tomato Plants},
author = {Denis P. Rubanga and Loyani K. Loyani and Mgaya Richard and Sawahiko Shimada},
journal= {arXiv preprint arXiv:2004.04023},
year = {2020}
}
备注
Paper presented at the ICLR 2020 Workshop on Computer Vision for Agriculture (CV4A)