基于YOLO的甜橙叶片疾病语义分割检测方法
计算机视觉与模式识别
2024-09-11 v1
摘要
本研究介绍了一种用于诊断甜橙叶片疾病的先进方法，利用YOLOv8等先进的人工智能模型。由于其作为重要农产品的重要性，甜橙面临来自多种疾病的严重威胁，这些疾病对产量和品质造成不良影响。传统的疾病检测方法主要依赖手动检查，这种方法无效且经常导致错误，导致治疗延迟和增加财务损失。为应对这一挑战，本研究利用YOLOv8，发挥其在检测对象和分析图像方面的优势。YOLOv8因其快速和精确的性能而受到认可，而VIT因其详尽的特征提取能力而备受赞誉。令人印象深刻的是，在训练和验证阶段，YOLOv8实现了完美的准确率80.4%，而VIT达到了99.12%的准确率，展示了其在农业中转变疾病检测潜力的前景。该研究全面考察了在农业中实施AI技术的实际挑战，包括计算需求和用户可访问性，并为更广泛的使用提供了可行解决方案。此外，它强调了环境考量，特别是减少农药使用的潜力，从而促进可持续农业和环境保护。这些发现为AI在农业中的应用提供了鼓舞人心的见解，表明正在向更有效、更可持续和更具技术野心的农业方法转变。该研究不仅突显了YOLOv8在特定农业领域的有效性，也为进一步的研究奠定了基础，这些研究涵盖更广泛的作物管理和可持续农业实践。
引用
@article{arxiv.2409.06671,
title = {A Semantic Segmentation Approach on Sweet Orange Leaf Diseases Detection Utilizing YOLO},
author = {Sabit Ahamed Preanto and Md. Taimur Ahad and Yousuf Rayhan Emon and Sumaya Mustofa and Md Alamin},
journal= {arXiv preprint arXiv:2409.06671},
year = {2024}
}