深度学习用于苹果病害：分类与识别
计算机视觉与模式识别
2020-12-24 v1 机器学习
摘要
病害和害虫每年给苹果产业造成巨大的经济损失。对各种苹果病害的识别对农民来说具有挑战性，因为不同病害产生的症状可能非常相似，并且可能同时出现。本文试图提供对苹果病害的及时准确检测与识别。在本研究中，我们提出了一种基于深度学习的方法来识别和分类苹果病害。研究的第一部分是数据集创建，包括数据收集和数据标注。接下来，我们在准备好的数据集上训练卷积神经网络（CNN）模型以自动分类苹果病害。CNN 是端到端学习算法，直接从原始图像执行自动特征提取并学习复杂特征，使其适用于图像分类、目标检测、分割等多种任务。我们应用迁移学习来初始化所提深度模型的参数。还应用了旋转、平移、反射和缩放等数据增强技术以防止过拟合。所提出的 CNN 模型取得了令人鼓舞的结果，在我们准备的数据集上达到了约 97.18% 的准确率。结果验证了所提方法能有效分类各类苹果病害，并可作为农民的实际工具。
引用
@article{arxiv.2007.02980,
title = {Deep Learning for Apple Diseases: Classification and Identification},
author = {Asif Iqbal Khan and SMK Quadri and Saba Banday},
journal= {arXiv preprint arXiv:2007.02980},
year = {2020}
}