关于植物害虫识别的三个关键问题的调查与实用识别框架的开发
计算机视觉与模式识别
2024-07-26 v1
摘要
开发针对植物害虫进行实用且稳健的自动诊断系统对于高效的农业生产至关重要。本文首先调查了当前该领域中尚未被 addressed 的三个关键研究问题 (RQ)。基于获得的知识，我们随后开发了一个准确、稳健且快速的植物害虫识别框架，采用334K张图片，包含4种植物器官（黄瓜、番茄、草莓和茄子的叶正面、叶背、果实和花）以及20种害虫 species，来自27个农场。结果揭示了以下几点：(1) 对于合适的模型评估，测试数据不应包含训练图像所来自的场地的图片，或应考虑其他措施以增加测试集的多样性。(2) 对叶片和果实等进行ROI预提取有助于提高识别准确率。(3) 将紧密相关的物种集成使用相同控制方法，以及针对相同害虫进行跨作物训练方法，都是有效的。我们开发的两阶段植物害虫识别框架，使能够实现ROI检测和基于卷积神经网络(CNN)的识别，在来自未看场地收集的12,223个测试实例（21类）中，分别实现了91.0%的平均准确率和88.5%的宏平均F1分数；使用318,971个样本的25类图片进行训练；平均识别时间为476 ms/图像。
引用
@article{arxiv.2407.18000,
title = {Investigation to answer three key questions concerning plant pest identification and development of a practical identification framework},
author = {Ryosuke Wayama and Yuki Sasaki and Satoshi Kagiwada and Nobusuke Iwasaki and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2407.18000},
year = {2024}
}
备注
40 pages, 10 figures