基于机器学习的枣类果实病害识别
计算机视觉与模式识别
2024-05-14 v2 人工智能
摘要
沙特阿拉伯、摩洛哥和突尼斯等许多国家是椰枣果实的主要出口国和消费国。枣类果实生产在出口国的经济中发挥着重要作用。枣类果实像任何水果一样易受病害侵袭，早期检测与干预能够挽救收成。然而，由于农田广阔，农民几乎不可能频繁观察枣树以实现早期病害检测。此外，即便依靠人工观察，该过程也容易出现人为误差并增加枣类果实成本。随着计算机视觉、机器学习、无人机技术及其他技术的近期进展，可提出一种集成解决方案用于枣类果实病害的自动检测。本文提出一种基于混合特征结合标准分类器的方法，其基于 L*a*b 颜色特征、统计特征和离散小波变换 (DWT) 纹理特征的提取，用于枣类果实病害的早期检测与分类。为此项工作构建了一个数据集，包含 871 张图像，分为以下类别：健康枣、病害初期、营养不良枣和寄生虫感染枣。提取的特征被输入至常见分类器，如随机森林 (RF)、多层感知机 (MLP)、朴素贝叶斯 (NB) 和模糊决策树 (FDT)。在结合 L*a*b、统计和 DWT 特征时取得了最高平均准确率。
引用
@article{arxiv.2311.10365,
title = {Dates Fruit Disease Recognition using Machine Learning},
author = {Ghassen Ben Brahim and Jaafar Alghazo and Ghazanfar Latif and Khalid Alnujaidi},
journal= {arXiv preprint arXiv:2311.10365},
year = {2024}
}