用于巴基亚坡巴克马病检测的新型CNN梯度提升集成
计算机视觉与模式识别
2025-12-24 v1 机器学习
摘要
作为主要农业国之一，巴基亚坡利用其肥沃土地种植罗望子果并投入专职劳动力以促进经济发展。在这样一个国家，提高罗望子果的产量和农业实践在其经济中扮演着关键角色。瘤疮和果蝇感染会降低罗望子果（一种重要热带水果）的质量和产量。能够早期检测疾病的专家系统可减少损失并保护收获。罗望子果被分为健康、果蝇和瘤疮三个类别的图像包括在罗望子果疾病数据集2024年（GFDD24）中，该数据集来自孟加拉国拉什哈和帕布纳的农场。本研究旨在创建使用CNN和传统机器学习技术的模型，以有效识别巴基亚坡当地培育的罗望子果疾病。为了实现约99.99%的巴基亚坡数据集分类准确率，我们提议利用结合CNNML与梯度提升机的集成模型。总体而言，CNN-ML级联框架显示出强大、高精度的罗望子果病 detection，适用于实时农业监控系统。
引用
@article{arxiv.2512.19989,
title = {A Novel CNN Gradient Boosting Ensemble for Guava Disease Detection},
author = {Tamim Ahasan Rijon and Yeasin Arafath},
journal= {arXiv preprint arXiv:2512.19989},
year = {2025}
}
备注
Accepted at IEEE ICCIT 2025. This is the author accepted manuscript