基于机器学习的方法用于检测拉布拉南豆上的蜘蛱螨

Violet Liu; Jason Chen; Ans Qureshi; Mahla Nejati

基于机器学习的方法用于检测拉布拉南豆上的蜘蛱螨

计算机视觉与模式识别 2024-02-13 v1 人工智能机器人学

作者: Violet Liu , Jason Chen , Ans Qureshi , Mahla Nejati

摘要

随着食品生产需求的增长，对早期植物病害检测至关重要，以保障农作物。该研究提出了一种视觉机器学习方法，用于植物病害检测，利用在实际条件下收集的RGB和NIR数据通过JAI FS-1600D-10GE相机构建RGBN数据集。采用YOLOv8和顺序CNN的两阶段早期植物病害检测模型在部分标签的数据集上进行训练，与单阶段端到端分割模型相比，mAP提升了3.6%。顺序CNN模型在RGBN数据上实现了90.62%的验证准确率。在分类中使用RGBN相对于RGB的验证准确率平均提高了6.25%。进一步的研究和数据集改进以满足食品生产需求是必需的。

关键词

植物病害检测机器学习 YOLOv8 RGB-NIR数据集卷积神经网络

引用

@article{arxiv.2402.07895,
  title  = {Detection of Spider Mites on Labrador Beans through Machine Learning Approaches Using Custom Datasets},
  author = {Violet Liu and Jason Chen and Ans Qureshi and Mahla Nejati},
  journal= {arXiv preprint arXiv:2402.07895},
  year   = {2024}
}

备注

Australasian Conference on Robotics and Automation (ACRA 2023)

基于机器学习的方法用于检测拉布拉南豆上的蜘蛱螨

摘要

关键词

引用

备注

相关论文