基于深度学习的设备友好型番石榴果实与叶片病害检测
计算机视觉与模式识别
2022-09-27 v1
摘要
本工作提出了一种基于深度学习的植物病害诊断系统，使用果实和叶片图像。采用了五种最先进的卷积神经网络（CNN）来实现该系统。迄今为止，此类应用的关注点在于模型精度，而未考虑模型优化以使其适用于终端用户设备。已将两种模型量化技术（如float16和动态范围量化）应用于五种最先进的CNN架构。研究表明，量化后的GoogleNet模型尺寸为0.143 MB，精度为97%，是考虑尺寸标准下的最佳候选模型。EfficientNet模型尺寸为4.2 MB，精度为99%，是考虑性能标准下的最佳模型。源代码可在 https://github.com/CompostieAI/Guava-disease-detection 获取。
引用
@article{arxiv.2209.12557,
title = {Device-friendly Guava fruit and leaf disease detection using deep learning},
author = {Rabindra Nath Nandi and Aminul Haque Palash and Nazmul Siddique and Mohammed Golam Zilani},
journal= {arXiv preprint arXiv:2209.12557},
year = {2022}
}
备注
Accepted in International Conference on Machine Intelligence and Emerging Technologies (MIET 2022)