基于深度学习的无人机航拍图像中健康与病害作物检测
计算机视觉与模式识别
2023-05-24 v1
摘要
监测植物健康对于维持农业生产力与食品安全至关重要。由病害引起的植物正常状态紊乱常干扰其 essential 生理活动，及时检测这些病害可显著减少作物损失。本研究提出一种基于深度学习的方法，利用无人机航拍图像高效检测植物病害。我们从互联网收集了展现多种病害的多种植物物种的综合数据库，并将其用作训练与测试数据集。卷积神经网络（CNN）因在图像分类任务中的优异表现而闻名，被用作我们的主要预测模型。该 CNN 模型在此丰富数据集上训练后，即使在具有挑战性的成像条件下，也展现出卓越的作物病害分类与检测能力。在现场实施中，我们部署了一架配备高分辨率摄像头的原型无人机，用于对大面积农田进行实时监测。所捕获的图像作为我们训练模型的输入，实现了健康与病害植物的实时识别。我们的方法有望为改进作物健康监测系统提供一种高效且可扩展的解决方案。
引用
@article{arxiv.2305.13490,
title = {Detection of healthy and diseased crops in drone captured images using Deep Learning},
author = {Jai Vardhan and Kothapalli Sai Swetha},
journal= {arXiv preprint arXiv:2305.13490},
year = {2023}
}