基于深度学习图像处理技术的韦莱加马椰子叶叶疮病早期诊断与严重程度评估
计算机视觉与模式识别
2025-02-05 v1
摘要
全球椰子(Cocos nucifera(L.))培育面临诸多挑战，包括因害虫和疾病引发的产量损失。特别是韦莱加马椰子叶叶疮病(WCWLD)和椰子毛虫侵染(CCI)会损害椰子树，导致斯里兰卡及周边椰子生产国严重的椰子产量损失。目前，WCWLD和CCI通过田间人类观察检测，此过程既耗时又限制了早期检测感染的能力。本文介绍了在斯里兰卡进行的研究，展示了采用迁移学习基础的卷积神经网络(CNN)和基于掩码的区域CNN(Mask R-CNN)识别WCWLD和CCI早期阶段并评估疾病进展的有效性。进一步，本文介绍了使用你只看一次(YOLO)对象检测模型计算叶片上毛虫数量的方法。所提出的方法使用来自斯里兰卡马塔拉尔、普塔拉姆和马坦加ura的 datasets进行测试和验证。结果表明，所提出的方法以90%和95%的准确率分别识别WCWLD和CCI。此外，所提出的WCWLD疾病严重程度识别方法以97%的准确率分类疾病严重程度。此外，对象检测模型计算叶片上毛虫数量的准确率分别为YOLOv5-96.87%、YOLOv8-96.1%和YOLO11-95.9%。
引用
@article{arxiv.2501.18835,
title = {Early Diagnosis and Severity Assessment of Weligama Coconut Leaf Wilt Disease and Coconut Caterpillar Infestation using Deep Learning-based Image Processing Techniques},
author = {Samitha Vidhanaarachchi and Janaka L. Wijekoon and W. A. Shanaka P. Abeysiriwardhana and Malitha Wijesundara},
journal= {arXiv preprint arXiv:2501.18835},
year = {2025}
}