DeepSeqCoco：一种鲁棒的移动端友好型深度学习模型，用于检测 Cocos nucifera 的病害
计算机视觉与模式识别
2025-05-23 v1 机器学习
摘要
椰子树病害对农业产量构成严重威胁，特别是在传统耕作方式限制早期诊断和干预的发展中国家。目前的病害识别方法依赖人工操作、劳动密集且不可扩展。为应对这些局限，我们提出了 DeepSeqCoco，一种基于深度学习的模型，用于从椰子树图像中准确自动地识别病害。该模型在多种优化器设置下进行了测试，如 SGD、Adam 及混合配置，以在准确率、损失最小化和计算成本之间找到最优平衡。实验结果表明，DeepSeqCoco 可实现高达 99.5% 的准确率（比现有模型提高最多 5%），混合 SGD-Adam 显示出最低的验证损失 2.81%。该模型在训练时间上最多减少 18%，在预测时间上最多减少 85%。结果表明该模型有望通过基于人工智能的、可扩展且高效的病害监测系统提升精准农业水平。
引用
@article{arxiv.2505.10030,
title = {DeepSeqCoco: A Robust Mobile Friendly Deep Learning Model for Detection of Diseases in Cocos nucifera},
author = {Miit Daga and Dhriti Parikh and Swarna Priya Ramu},
journal= {arXiv preprint arXiv:2505.10030},
year = {2025}
}
备注
This paper is accepted for publication in IEEE Access journal and is currently pending revisions before publication