基于支持向量机与绿色色度坐标及注意力特征提取的作物病害分类用于物联网智能农业应用
图像与视频处理
2023-11-07 v2 机器学习
摘要
作物具有极其重要的意义，因为它们是人类群体能量、营养和药用益处的主要提供者。然而，植物病害会在农业种植期间对叶片产生负面影响，导致作物产量和经济价值显著损失。因此，农民识别作物病害至关重要。然而，该方法常需要辛勤劳作、大量规划以及对植物病原体的深入了解。鉴于这些众多障碍，提供能轻松与移动和IoT设备接口的解决方案至关重要，以使农民保障最佳作物生长。各种机器学习(ML)与深度学习(DL)算法已被创建并研究用于植物病害检测识别，取得了实质且可喜的成果。本文提出一种新颖分类方法，在先前工作基础上利用基于注意力的特征提取、基于RGB通道的色度分析、支持向量机(SVM)以提升性能，并在信息量化后具备与移动应用和IoT设备集成的能力。将若干病害分类算法与所提模型比较，发现就准确率而言，基于Vision Transformer的特征提取加额外绿色色度坐标特征与SVM分类达到了(GCCViT-SVM) 99.69%的准确率，而量化用于IoT设备集成后达到了97.41%的准确率，同时尺寸缩减近4倍。我们的发现具有深远影响，因其有潜力变革农民以精确快速信息识别作物病害的方式，从而保障农业产出与粮食安全。
引用
@article{arxiv.2311.00429,
title = {Crop Disease Classification using Support Vector Machines with Green Chromatic Coordinate (GCC) and Attention based feature extraction for IoT based Smart Agricultural Applications},
author = {Shashwat Jha and Vishvaditya Luhach and Gauri Shanker Gupta and Beependra Singh},
journal= {arXiv preprint arXiv:2311.00429},
year = {2023}
}