CSSVD在可可植物中的图像分类检测
计算机视觉与模式识别
2024-05-09 v1 图像与视频处理
摘要
植物病虫检测一直吸引着计算机视觉爱好者的注意。尽管在许多植物上实现了病害检测，但仍存在研究缺口：缺乏用于检测可可膨大 shoots 病毒病 (CSSVD) 的图像分类器，这与可可植物密切相关。这一缺口主要归因于缺乏高质量标注训练数据。此外，机构们对与CSSVD相关的数据持谨慎态度，不愿意分享。为填补这一缺口，我们提出了开发CSSVD感染可可植物的图像分类器的方案。我们的解决方案基于VGG16、ResNet50和视觉转换器 (ViT)。我们在最近公开的KaraAgroAI可可数据集上评估了这些分类器。我们最佳的图像分类器基于ResNet50，在仅进行20个epoch的情况下，实现了95.39%的精确率、93.75%的召回率、94.34%的F1分数和94%的准确率。在召回率方面，比以往工作提高了9.75%。我们的结果表明，图像分类器能够识别感染CSSVD的可可植物。
引用
@article{arxiv.2405.04535,
title = {Image Classification for CSSVD Detection in Cacao Plants},
author = {Atuhurra Jesse and N'guessan Yves-Roland Douha and Pabitra Lenka},
journal= {arXiv preprint arXiv:2405.04535},
year = {2024}
}