基于扩增与 RaLSGAN 的腰果数据集生成及面向病害检测的迁移学习 TinyML 方法
图像与视频处理
2023-04-19 v1
摘要
腰果是世界上消费最广泛的坚果之一，也被称为经济作物。一棵树在几个月内可产出可观产量，寿命约为 70 至 80 年。然而，除益处外，其种植也存在某些限制。除寄生虫和藻类外，炭疽病是影响树木最常见的病害。就腰果而言，与矮作物相比，树木的密集结构使得病害诊断较为困难。因此，我们提出了一个仅由健康和染病腰果叶片与果实组成的数据集。该数据集通过添加 RGB 颜色变换以突出病害区域、光度与几何扩增，以及 RaLSGAN 来扩充初始图像集合并提升在受限数据集上实时场景中的性能，从而得以验证。此外，利用迁移学习，通过 MobileNet 和 Inception 等算法测试该数据集的分类效率。利用 TensorFlow lite 开发这些算法，以通过无人机实时进行病害诊断。采用了多种训练后优化策略，并比较了它们的内存大小。它们通过提供高准确率（高达 99%）以及降低内存与延迟证明了有效性，使其成为资源受限应用的理想选择。
引用
@article{arxiv.2304.08766,
title = {Cashew dataset generation using augmentation and RaLSGAN and a transfer learning based tinyML approach towards disease detection},
author = {Varsha Jayaprakash and Akilesh K and Ajay kumar and Balamurugan M. S and Manoj Kumar Rajagopal},
journal= {arXiv preprint arXiv:2304.08766},
year = {2023}
}