GourNet：一种基于CNN的芒果叶部病害检测模型
计算机视觉与模式识别
2026-05-01 v1
摘要
芒果种植在农业领域至关重要，对经济发展和粮食安全贡献显著。然而，影响芒果叶片的病害会严重降低产量和果实整体等级。在早期阶段精准检测叶部病害是有效预防病害和维持作物生产力的关键。本文提出一种名为“GourNet”的深度学习模型，该模型利用卷积神经网络识别芒果叶片的感染情况。我们使用“MangoLeafBD”（MBD）数据集来训练和评估所提模型的有效性。MBD数据集包含七种病害类别和一个健康类别，共计八类。为提升模型性能，图像在训练前经过调整大小、缩放和数据增强等预处理步骤。为合理评估模型，数据集被划分为80%用于训练，剩余20%平均分配用于验证和测试。我们的模型仅使用683,656个总参数，实现了97%的分类准确率。本研究的源代码见：https://github.com/ekramalam/GourNet-Repo。
引用
@article{arxiv.2604.27764,
title = {GourNet: A CNN-Based Model for Mango Leaf Disease Detection},
author = {Ekram Alam and Jaydip Sanyal and Akhil Kumar Das and Arijit Bhattacharya and Farhana Sultana},
journal= {arXiv preprint arXiv:2604.27764},
year = {2026}
}