基于彩色与多光谱图像深度学习的果园苹果黑星病检测
计算机视觉与模式识别
2023-02-20 v1
摘要
苹果黑星病是由 Venturia inaequalis 引起的真菌病害。该病害对种植者尤为令人关切，因为它对果实和叶片造成显著损害，导致果实与产量损失。本文研究了利用深度学习与高光谱成像准确识别苹果树中苹果症状感染的能力。在染病果园中，使用常规 RGB 与可见至近红外（VIS-NIR）光谱成像（8 通道）共采集了 168 个图像场景。光谱数据通过训练用于分割的人工神经网络（ANN）进行预处理，以基于光谱信息检测黑星病像素。利用线性判别分析（LDA）基于健康叶片与黑星病侵染叶片的光谱找出光谱数据中最具判别力的通道。由光谱数据与分割网络结果创建了五种假彩色图像组合。这些图像使用修改后的 YOLOv5 网络进行训练与评估。尽管使用 RGB 图像的深度学习取得了有前景的结果（P=0.8，mAP@50=0.73），但使用多光谱成像检测苹果树中的苹果黑星病被证明是一项困难任务。开阔地的强光照环境使得难以从多光谱相机采集平衡的光谱，因为红外通道与可见通道需要不断平衡以避免在图像中过曝。
引用
@article{arxiv.2302.08818,
title = {Apple scab detection in orchards using deep learning on colour and multispectral images},
author = {Robert Rouš and Joseph Peller and Gerrit Polder and Selwin Hageraats and Thijs Ruigrok and Pieter M. Blok},
journal= {arXiv preprint arXiv:2302.08818},
year = {2023}
}
备注
6 pages, 7 figures, 3 tables