一种田间自动小麦病害诊断系统
计算机视觉与模式识别
2017-10-24 v1
摘要
作物病害是导致全球农业产业产量下降和经济损失的主要原因。监测作物健康状况对于控制病害传播和实施有效管理至关重要。本文提出了一种基于弱监督深度学习框架（即深度多示例学习）的田间自动小麦病害诊断系统，该系统仅需野生条件下训练图像的图像级标注，即可实现小麦病害识别与病害区域定位的集成。此外，我们收集了一个新的小麦病害田间图像数据集 Wheat Disease Database 2017 (WDD2017) 以验证系统的有效性。在 VGG-FCN-VD16 和 VGG-FCN-S 两种不同架构下，我们的系统在 WDD2017 上的 5 折交叉验证平均识别准确率分别达到 97.95% 和 95.12%，超过了 VGG-CNN-VD16 和 VGG-CNN-S 两种传统 CNN 框架取得的 93.27% 和 73.00% 的结果。实验结果表明，在参数量相同的情况下，所提系统在识别准确率上优于传统 CNN 架构，同时保持了对相应病害区域的精确定位。此外，该系统已被打包成实时移动应用程序，为农业病害诊断提供支持。
引用
@article{arxiv.1710.08299,
title = {An In-field Automatic Wheat Disease Diagnosis System},
author = {Jiang Lu and Jie Hu and Guannan Zhao and Fenghua Mei and Changshui Zhang},
journal= {arXiv preprint arXiv:1710.08299},
year = {2017}
}
备注
15 pages