用于作物病害检测的两步机器学习方法：GAN与无人机技术的应用

自动化植物诊断是一项有望大幅提高农业成本效率的技术。然而，多个问题降低了无人机的有效性，包括分辨率与速度之间的反比关系以及缺乏充足的标注训练数据。本文提出一种两步机器学习方法，依次分析低保真与高保真图像，在保持效率的同时兼顾准确性。还使用了两个数据生成器，以最小化高保真数据集中的类别不平衡，并生成能代表无人机图像的低保真数据。对应用与方法的分析在一个存在类别不平衡问题的高保真苹果树图像数据库上进行。该应用首先使用生成网络生成高保真数据，然后将该新数据与原始高保真数据结合以生成低保真图像。一个机器学习识别器识别植物并将其标注为潜在患病或否。随后，一个机器学习分类器接收潜在患病植物图像并返回这些植物的实际诊断结果。结果显示高保真系统的准确率为96.3%，低保真系统的置信水平为75.5%。与基于人工的诊断方法相比，我们的无人机技术在准确性方面展现出有前景的结果。