基于四叉树分解的植物病害识别与实时定位混合技术
计算机视觉与模式识别
2024-12-30 v1
摘要
过去十年来，针对基于视觉数据的植物病害识别，已提出多种图像处理方法和算法。深度神经网络（DNN）最近变得非常流行。传统图像处理和基于DNN的方法在实时检测中都会因计算限制以及植物病害特征的广泛差异而面临显著的性能问题。本文提出了一种新颖的技术，用于基于图像四叉树分解和特征学习同时进行植物病害的识别与定位。该提议算法在高分辨率图像上具有显著提升的准确率和更快的收敛速度，同时计算负担相对较低。因此，该算法非常适合部署在独立处理器中，用于远程获取图像和病害检测系统，理想情况下可安装在大型农田作业的无人机和机器人上。本文所提出的技术是混合式的，因为它在不同尺度上利用了传统图像处理方法和基于DNN的模型的优势，实现更快的推理速度。四个番茄和土豆作物病例的F1分数约为0.80。
引用
@article{arxiv.2412.19682,
title = {A Hybrid Technique for Plant Disease Identification and Localisation in Real-time},
author = {Mahendra Kumar Gohil and Anirudha Bhattacharjee and Rwik Rana and Kishan Lal and Samir Kumar Biswas and Nachiketa Tiwari and Bishakh Bhattacharya},
journal= {arXiv preprint arXiv:2412.19682},
year = {2024}
}