JutePestDetect：基于微调迁移学习的黄麻害虫识别智能方法
计算机视觉与模式识别
2023-08-11 v1
摘要
在某些亚洲国家，黄麻是农业部门收入和国内生产总值（GDP）的主要来源之一。像许多其他作物一样，黄麻易受害虫侵扰，在孟加拉国、印度、缅甸和中国等国家通常靠视觉识别。此外，这种方法耗时、困难且有些不精确，带来了巨大的财务风险。为解决此问题，本研究提出一种高性能且鲁棒的基于迁移学习（TL）的JutePestDetect模型，用于早期识别黄麻害虫。首先，我们准备了包含17个类别、每类约380张照片的黄麻害虫数据集，经手动和自动预处理及清洗（如背景去除和尺寸调整）后进行了评估。随后，从先前研究中选取了五个著名预训练模型——DenseNet201、InceptionV3、MobileNetV2、VGG19和ResNet50来设计JutePestDetect模型。每个模型均通过以全局平均池化层替换分类层并加入丢弃层进行正则化来修改。为评估模型性能，采用了精确率、召回率、F1分数、ROC曲线和混淆矩阵等多种指标。这些分析为确定模型有效性提供了额外见解。其中，基于定制化正则化DenseNet201的所提JutePestDetect模型优于其他模型，达到了99%的令人印象深刻的准确率。因此，我们提出的方法和策略为黄麻害虫识别提供了改进途径，可显著惠及全球农民。
引用
@article{arxiv.2308.05179,
title = {JutePestDetect: An Intelligent Approach for Jute Pest Identification Using Fine-Tuned Transfer Learning},
author = {Md. Simul Hasan Talukder and Mohammad Raziuddin Chowdhury and Md Sakib Ullah Sourav and Abdullah Al Rakin and Shabbir Ahmed Shuvo and Rejwan Bin Sulaiman and Musarrat Saberin Nipun and Muntarin Islam and Mst Rumpa Islam and Md Aminul Islam and Zubaer Haque},
journal= {arXiv preprint arXiv:2308.05179},
year = {2023}
}
备注
29 Pages, 7 Tables, 7 Figures, 5 Appendix