面向小麦病害分类的多尺度特征提取与融合深度学习方法
计算机视觉与模式识别
2025-01-22 v1 机器学习
摘要
小麦是重要的膳食纤维和蛋白质来源，受到多种风险威胁。讨论了小麦病害识别与分类的困难，尤其是小麦 loose smut、叶锈病以及冠和根腐病。针对冠和根腐病等情况，本研究引入一种创新方法，将多尺度特征提取与先进的图像分割技术相结合，以提高分类准确率。该方法使用神经网络模型 Xception、Inception V3 和 ResNet 50 在大型小麦病害分类数据集 2020 上进行训练，并结合包括投票和堆叠在内的机器视觉分类器的集成。该研究表明，所提出的方法在小麦病害分类中优于当前最先进方法，准确率达到 99.75%。深度学习集成模型 Xception 显示出最高的准确率。
引用
@article{arxiv.2501.09938,
title = {A Multi-Scale Feature Extraction and Fusion Deep Learning Method for Classification of Wheat Diseases},
author = {Sajjad Saleem and Adil Hussain and Nabila Majeed and Zahid Akhtar and Kamran Siddique},
journal= {arXiv preprint arXiv:2501.09938},
year = {2025}
}