基于机器学习的洋葱病害分类中处理类别不平衡与少样本问题
计算机视觉与模式识别
2025-09-09 v1 机器学习
摘要
准确的害虫病虫害分类在精密农业中发挥着至关作用，能够高效识别、实施针对性干预并防止其进一步蔓延。然而，当前方法主要关注二分类，这限制了其实际应用，尤其是在准确识别特定病虫类型至关重要的场景。我们提出了一个基于深度学习的多分类模型，用于洋葱作物病害和害虫的分类。我们通过集成注意力模块并采用全面的数据增强管道来缓解类别不平衡问题，对预训练的卷积神经网络（CNN）模型进行增强。我们提出的模型在真实田间图像数据集上实现了96.90%的总体准确率和0.96的F1分数。该模型在使用相同数据集的其他方法之上取得了更好的结果。
引用
@article{arxiv.2509.05341,
title = {Handling imbalance and few-sample size in ML based Onion disease classification},
author = {Abhijeet Manoj Pal and Rajbabu Velmurugan},
journal= {arXiv preprint arXiv:2509.05341},
year = {2025}
}
备注
6 pages, 8 figures