水稻作物早期病害诊断
计算机视觉与模式识别
2020-04-13 v1
摘要
许多现有技术可自动估计由各种病害造成的作物损害。然而，早期检测能够预防或减轻损害本身的程度。现有技术在早期检测上性能有限源于缺乏局部化信息。我们转而提出一个带标注的数据集，对每幅图像中每个患病片段进行标注。与现有方法不同，我们不将图像分类为健康或患病，而是对图像每个片段提供局部化分类。我们的方法基于 Mask RCNN，并提供植株上感染区域的位置与范围，从而可估计作物受损程度。在提出的数据集上，我们的方法总体准确率达 87.6%，而未引入局部化信息时仅为 58.4%。
引用
@article{arxiv.2004.04775,
title = {Early Disease Diagnosis for Rice Crop},
author = {M. Hammad Masood and Habiba Saim and Murtaza Taj and Mian M. Awais},
journal= {arXiv preprint arXiv:2004.04775},
year = {2020}
}
备注
Paper presented at the ICLR 2020 Workshop on Computer Vision for Agriculture (CV4A)