用于叶部病害识别的图像质量评估(AgroPath)
计算机视觉与模式识别
2022-09-27 v1
摘要
作物病害是粮食安全的主要威胁,其快速识别对防止产量损失至关重要。由于缺乏必要的基础设施,这些病害的快速识别十分困难。计算机视觉的最新进展与智能手机渗透率的提高,为智能手机辅助病害识别铺平了道路。大多数植物病害会在植物的叶部结构上留下特定痕迹。本研究于2020年在巴基斯坦拉合尔工程与技术大学计算机科学与工程系开展,以检验基于叶片的植物病害识别。本研究提供了一种基于深度神经网络的叶部病害识别方案,并引入图像质量评估以选取所需质量的图像进行识别,将其命名为农业病理学家(Agro Path)。新手拍摄的图像可能包含噪声、缺乏结构与模糊,导致诊断失败或不准确。此外,AgroPath模型在叶部病害识别上的准确率达99.42%。所提出的附加模块尤其可用于农业领域中的叶部病害识别应用。
引用
@article{arxiv.2209.12443,
title = {Image Quality Assessment for Foliar Disease Identification (AgroPath)},
author = {Nisar Ahmed and Hafiz Muhammad Shahzad Asif and Gulshan Saleem and Muhammad Usman Younus},
journal= {arXiv preprint arXiv:2209.12443},
year = {2022}
}