健康采产：基于 InceptionV3 的鳄梨病害分类比较研究
摘要
鳄梨果实常常遭受多种病害，这会损害果实品质和产量。及早识别对于最小化损伤和确保果实健康至关重要。本研究聚焦三类不同类别进行病害分类，这些类别分别为炭疽病、果蝇和健康果实。本研究使用的数据集来自 Mendeley Data，包含 473 张原始鳄梨图像。这些图像尺寸和格式各不相同。将原始数据集调整为 256x256 像素的 RGB 彩色模式，以获得更好的一致性。随后应用数据增强技术，以生成原始图像的变体来提高数据集规模。增强后的数据集包含 3784 张图像。本研究实现了两种深度学习模型来对图像进行分类。InceptionV3 模型因其先进的框架而广为人知，这些框架应用多个卷积滤波器有效获取不同特征。另一方面，ResNet50 模型通过残差学习帮助训练更深的网络。InceptionV3 模型实现了惊人的 98.15% 准确率，而 ResNet50 达到了 94.46% 的准确率。应用数据混合方法如 CutMix 和 MixUp 以增强模型的鲁棒性。使用混淆矩阵评估两种模型的整体性能。此外，采用 SHAP 分析以提高可解释性，帮助找出模型预测中关键图像部分。本研究旨在突出先进模型如何提升...
引用
@article{arxiv.2602.10967,
title = {Healthy Harvests: A Comparative Look at Guava Disease Classification Using InceptionV3},
author = {Samanta Ghosh and Shaila Afroz Anika and Umma Habiba Ahmed and B. M. Shahria Alam and Mohammad Tahmid Noor and Nishat Tasnim Niloy},
journal= {arXiv preprint arXiv:2602.10967},
year = {2026}
}
备注
6 pages, 13 figures, his is the author's accepted manuscript of a paper accepted for publication in the Proceedings of the 16th International IEEE Conference on Computing, Communication and Networking Technologies (ICCCNT 2025). The final published version will be available via IEEE Xplore