利用深度学习对声学信号分类实现红棕象甲侵染的早期检测
计算机视觉与模式识别
2023-08-31 v1 人工智能
摘要
红棕象甲（RPW），亦称棕榈象甲，被列为全球对棕榈危害最严重的昆虫害虫之一。当前检测技术包括通过视觉或声音检查检测 RPW 症状，以及化学检测受害棕榈树产生的挥发性特征。然而，在栽培枣椰树中于早期高效检测 RPW 病害仍是最具挑战性的问题之一。本文提出一种高效的 RPW 早期检测方法。该方法基于记录并分析 RPW 声音活动。第一步，依据选定特征集将声音数据转换为图像。第二步，将同一声音文件但由不同特征计算所得的图像合成为单幅图像。第三步，应用不同深度学习（DL）技术将所得图像分类为两类：侵染与未侵染。实验结果表明，所提方法利用不同 DL 技术（即 MobileNetV2、ResNet50V2、ResNet152V2、VGG16、VGG19、DenseNet121、DenseNet201、Xception 与 InceptionV3）在 RPW 检测上表现良好，且优于现有公开数据集技术。
引用
@article{arxiv.2308.15829,
title = {Early Detection of Red Palm Weevil Infestations using Deep Learning Classification of Acoustic Signals},
author = {Wadii Boulila and Ayyub Alzahem and Anis Koubaa and Bilel Benjdira and Adel Ammar},
journal= {arXiv preprint arXiv:2308.15829},
year = {2023}
}