基于微调 CNN 的多类芒果叶片病害检测方法
计算机视觉与模式识别
2025-10-08 v1
摘要
芒果是南亚重要的果作，但因叶片病害而受到频繁侵扰，严重影响产量和品质。本研究考察了五种预训练卷积神经网络(DenseNet201、InceptionV3、ResNet152V2、SeResNet152 和 Xception)在迁移学习微调策略下，用于芒果叶片多类病害检测（八类）的性能。模型通过标准评估指标（准确率、精确率、召回率、F1 分数和混淆矩阵）进行评估。在所测试的体系结构中，DenseNet201 取得最佳效果，达到 99.33% 的准确率，各类别指标均表现出色，尤其在识别切割虱蚕和细菌病方面表现突出。此外，ResNet152V2 和 SeResNet152 也提供了强劲的表现，而 InceptionV3 和 Xception 在视觉上相似的类别（如粉尘霉和霉菌）表现较低。训练和验证曲线显示，最高性能模型具有稳定的收敛。微调迁移学习模型在智能农业应用中实现了精准可靠的芒果叶片多类病害检测能力。
引用
@article{arxiv.2510.05326,
title = {Fine-Tuned CNN-Based Approach for Multi-Class Mango Leaf Disease Detection},
author = {Jalal Ahmmed and Faruk Ahmed and Rashedul Hasan Shohan and Md. Mahabub Rana and Mahdi Hasan},
journal= {arXiv preprint arXiv:2510.05326},
year = {2025}
}
备注
Double column 6 pages, 10 figures, ieee conference style