用于咖啡作物锈病与潜叶蛾检测与量化的的人工智能
计算机视觉与模式识别
2021-04-05 v2 人工智能
机器学习
摘要
病虫害防治在农业中起着关键作用，因为这些因素造成的损害每年导致巨大的经济损失。基于这一假设，我们创建了一种能够检测咖啡叶片（Coffea arabica）上的锈病（Hemileia vastatrix）和潜叶蛾（Leucoptera coffeella）并通过移动应用作为模型推理的高级界面来量化病害严重度的算法。我们使用不同的卷积神经网络架构来创建目标检测器，此外还使用了OpenCV库、k-means以及三种处理：用于量化的RGB和明度值，以及AFSoft软件，再加上方差分析，在其中我们比较了三种方法。结果显示检测平均精度为81.5%，并且三种处理在量化咖啡叶片严重度方面无显著统计差异，从而提出了一种计算成本较低的方法。该应用与训练好的模型相结合，可在不同图像条件和感染阶段检测病虫害，并估计病害感染阶段。
引用
@article{arxiv.2103.11241,
title = {Artificial intelligence for detection and quantification of rust and leaf miner in coffee crop},
author = {Alvaro Leandro Cavalcante Carneiro and Lucas de Brito Silva and Marisa Silveira Almeida Renaud Faulin},
journal= {arXiv preprint arXiv:2103.11241},
year = {2021}
}
备注
10 pages, 8 figures