面向自动番茄植物病害早期检测与诊断的改进型 Capsule-YOLO 网络开发
计算机视觉与模式识别
2025-07-08 v1
摘要
像许多国家一样，尼日利亚拥有适合大规模番茄生产的肥沃农土。然而，疾病引起的病原体的流行性构成了对番茄健康的重大威胁，常常导致产量下降，严重时甚至会导致某些品种的灭绝。这些疾病危及番茄收获的质量和数量，进而影响粮食安全。幸运的是，番茄疾病常可通过特定的形式、外观或纹理进行视觉识别，通常最初在叶子和果实上呈现。本研究提出了改进型 Capsule-YOLO 网络架构，旨在利用 YOLO 框架自动分割复杂背景下的重叠和遮挡番茄叶片图像。该方法在识别疾病症状方面实现了令人瞩目的性能指标：99.31% 的准确率、98.78% 的召回率和 99.09% 的精确率，F1 分数达 98.93%，相较于现有最先进方法分别提升了 2.91%、1.84%、5.64% 和 4.12%。此外，还开发了一个用户友好的界面，允许农民和用户上传受感染番茄植物的图像，以检测早期疾病症状。系统还提供适当诊断和治疗的建议。这种方法的有效性为农业部门带来的显著益处，旨在提高作物产量并增强粮食安全。
关键词
引用
@article{arxiv.2507.03219,
title = {Development of an Improved Capsule-Yolo Network for Automatic Tomato Plant Disease Early Detection and Diagnosis},
author = {Idris Ochijenu and Monday Abutu Idakwo and Sani Felix},
journal= {arXiv preprint arXiv:2507.03219},
year = {2025}
}