利用 CNN 提取特征与机器学习分类器进行柠檬与橙子病害分类
机器学习
2024-09-30 v2 计算机视觉与模式识别
摘要
柠檬和橙子是全球最具经济重要性的柑橘类水果。柠檬和橙子的生产在其生长阶段因病害而受到严重影响。由于缺陷的存在，果实品质已经下降。因此，有必要准确诊断病害，以避免柠檬和橙子遭受重大损失。为了改善柑橘种植，我们提出了一种针对柠檬和橙子的病害分类方法。该方法能够实现病害的早期检测和干预，减少产量损失，并优化资源配置。在病害分类的初步建模中，本研究使用了创新的深度学习架构，如 VGG16、VGG19 和 ResNet50。此外，为了获得更好的准确率，用于分类问题的基本机器学习算法包括随机森林、朴素贝叶斯、K 近邻（KNN）和逻辑回归。该模型对柠檬和橙子果实病害的分类更加准确（柠檬为 95.0%，橙子为 99.69%）。该模型的基础特征是从预训练的 ResNet50 模型中提取的，病害由逻辑回归进行分类，其性能优于其他分类器下的 VGG16 和 VGG19。实验结果表明，所提出的模型也优于现有模型，其中大多数现有模型使用 Softmax 分类器对病害进行分类，而没有使用任何单独的分类器。
引用
@article{arxiv.2408.14206,
title = {Lemon and Orange Disease Classification using CNN-Extracted Features and Machine Learning Classifier},
author = {Khandoker Nosiba Arifin and Sayma Akter Rupa and Md Musfique Anwar and Israt Jahan},
journal= {arXiv preprint arXiv:2408.14206},
year = {2024}
}