用于咖啡叶生物胁迫分类与严重度估计的深度学习
计算机视觉与模式识别
2019-07-29 v1 机器学习
摘要
生物胁迫是指通过其他生物有机体对植物造成的损害。对害虫和病原体（病毒、真菌、细菌等）等生物因子的有效防控与农业可持续性的概念密切相关。农业可持续性促进新技术的开发，以减少环境影响、提高对农民的可及性，并进而提高生产力。利用计算机视觉与深度学习方法可实现对胁迫致因因子的早期和正确识别。因此，可尽快采取纠正措施以缓解问题。本工作的目标是设计一个有效且实用的系统，能够识别和估计咖啡叶上由生物因子引起的胁迫严重度。所提出的方法由一个基于卷积神经网络的多任务系统组成。此外，我们探索了数据增强技术的使用，以使系统更鲁棒和准确。在分类和严重度估计方面获得的实验结果表明，所提出的系统可能是协助专家和农民识别与量化咖啡种植园中生物胁迫的合适工具。
引用
@article{arxiv.1907.11561,
title = {Deep Learning for Classification and Severity Estimation of Coffee Leaf Biotic Stress},
author = {J. G. M. Esgario and R. A. Krohling and J. A. Ventura},
journal= {arXiv preprint arXiv:1907.11561},
year = {2019}
}