基于深度学习的可可豆荚（Theobroma cacao L.）疾病识别计算模型
计算机视觉与模式识别
2024-01-03 v1
摘要
可可豆荚疾病的早期识别是保证优质可可生产的重要任务。使用机器学习、计算机视觉和深度学习等人工智能技术是帮助识别和分类可可豆荚疾病的有前途的解决方案。在本文中，我们介绍了一种深度学习计算模型的开发和评估，该模型应用于可可豆荚疾病的识别，重点关注“monilia”和“black pod”疾病。基于与使用计算机视觉和深度学习技术识别植物疾病相关的科学文章，对计算模型的最新进展进行了详尽回顾。搜索的结果是，选择了EfficientDet-Lite4，一种高效轻量级的目标检测模型。使用包含健康和患病可可豆荚图像的数据集来训练模型，以相当高的精度检测和定位疾病表现。模型训练和评估的显著增强表明通过图像分析识别和分类疾病的能力。此外，该模型的功能被集成到一个具有用户友好界面的Android原生移动应用中，使年轻或经验不足的农民能够快速准确地识别可可豆荚的健康状况。
引用
@article{arxiv.2401.01247,
title = {Deep Learning-Based Computational Model for Disease Identification in Cocoa Pods (Theobroma cacao L.)},
author = {Darlyn Buenaño Vera and Byron Oviedo and Washington Chiriboga Casanova and Cristian Zambrano-Vega},
journal= {arXiv preprint arXiv:2401.01247},
year = {2024}
}