一种通过迁移学习与可解释 AI 识别孟加拉国植物叶部病害的方法
计算机视觉与模式识别
2025-06-23 v2
摘要
叶部病害是影响植物健康、外观和生产力的有害状况，会导致显著的植物损失，并对农民的生计产生负面影响。这些病害会引起可见症状，如病斑、颜色变化和纹理变异，使得农民难以管理植物健康，尤其是在专家知识有限的大型或偏远农场。本研究的主要动机是提供一种高效且可及的解决方案，用于识别孟加拉国的植物叶部病害，该国的农业在粮食安全中扮演着关键角色。我们研究的目标是利用深度学习模型对六种植物上的 21 种不同叶部病害进行分类，提高病害检测准确率，同时减少对专家参与的依赖。我们使用了深度学习（DL）技术，包括 CNN 和迁移学习（TL）模型，如 VGG16、VGG19、MobileNetV2、InceptionV3、ResNet50V2 和 Xception。VGG19 和 Xception 达到了最高准确率，分别为 98.90% 和 98.66%。此外，我们还使用了可解释 AI（XAI）技术，如 GradCAM、GradCAM++、LayerCAM、ScoreCAM 和 FasterScoreCAM，通过突出显示模型在病害分类过程中关注的区域来增强透明度。这种透明度确保了农民能够理解模型的预测并采取必要行动。该方法不仅改善了病害管理，还支持农民做出明智决策，从而实现更好的植物保护和提高农业生产力。
引用
@article{arxiv.2505.16033,
title = {An Approach Towards Identifying Bangladeshi Leaf Diseases through Transfer Learning and XAI},
author = {Faika Fairuj Preotee and Shuvashis Sarker and Shamim Rahim Refat and Tashreef Muhammad and Shifat Islam},
journal= {arXiv preprint arXiv:2505.16033},
year = {2025}
}
备注
Accepted for publication in 2024 27th International Conference on Computer and Information Technology (ICCIT)