基于深度学习开发的可可病害识别与管理应用
计算机视觉与模式识别
2026-02-03 v1 计算机与社会
图像与视频处理
摘要
小规模可可生产商往往依赖陈旧的农业技术，且面临来自害虫和病害的重大挑战，而大规模种植园拥有更多资源和专业知识。在菲律宾， 可可农户获取数据、信息和良好农业实践的渠道有限。本研究通过开发一款支持离线运行的移动应用程序，解决上述问题，使其在农场主要分布的偏远地区可使用。系统核心是训练用于准确识别可可病害的深度学习模型。该训练模型被集成到移动应用程序中，以支持农户现场诊断。疾病识别模型在验证集上达到 96.93% 的准确率，而检测可可黑色胞浆感染程度的模型达到 79.49% 的验证准确率。应用程序的现场测试显示，其诊断结果与专家可可技术员的评估一致率为 84.2%。该方法通过提供可及、技术驱动的工具来提升小规模农户可可作物的健康状况和产量。
引用
@article{arxiv.2602.00216,
title = {Development of a Cacao Disease Identification and Management App Using Deep Learning},
author = {Zaldy Pagaduan and Jason Occidental and Nathaniel Duro and Dexielito Badilles and Eleonor Palconit},
journal= {arXiv preprint arXiv:2602.00216},
year = {2026}
}
备注
6 pages, 8 figures, preprint