AMaizeD：用于玉米病害自动检测的端到端流水线

本研究论文提出 AMaizeD：用于玉米病害自动检测的端到端流水线，一种利用无人机获取的多光谱影像对玉米作物病害进行早期检测的自动化框架。一个由专家研究人员和农艺师精心收集的、专门聚焦于玉米作物的自定义手工数据集被细致构建。该数据集涵盖多样的玉米品种、栽培实践和环境条件，捕捉了玉米生长与病害发展的各个阶段。通过利用多光谱影像，该框架受益于改善的光谱分辨率以及对植物健康细微变化的更高灵敏度。所提框架结合卷积神经网络（CNNs）作为特征提取器与分割技术，以识别玉米植株及其相关病害。实验结果表明该框架在检测包括白粉病、炭疽病和叶枯病在内的多种玉米病害方面的有效性。该框架在自定义手工数据集上取得了最先进的性能，并为农业自动病害检测领域做出贡献，为利用先进机器学习技术与深度学习架构早期识别玉米作物病害提供了实用方案。