基于自由获取卫星多光谱成像的无症状鼠笼病检测机器学习
机器学习
2025-12-05 v3 计算机视觉与模式识别
图像与视频处理
摘要
糖蔗病原检测，特别是无症状病原感染病如鼠笼病 (RSD) 的识别，对有效的作物管理至关重要。本研究采用 various machine learning 技术检测不同糖蔗品种中 RSD 的存在情况，使用来自 freely available 卫星基于光谱数据的植被指数。我们的结果表明，支持向量机使用径向基函数内核 (SVM-RBF) 是最有效的算法，在不同品种之间实现了 85.64% 至 96.55% 的分类准确率。梯度提升和随机森林也表现出高性能，准确率在 83.33% 到 96.55% 之间，而 Logistic Regression 和 Quadratic Discriminant Analysis 在不同品种之间表现出变量结果。糖蔗品种和植被指数的包含对于 RSD 的检测至关重要。这与当前文献中所识别的内容一致。我们的研究突显了卫星基于遥感作为大规模糖蔗病原检测的潜力优势方法，作为传统人工实验室测试方法的替代方案。
引用
@article{arxiv.2410.03141,
title = {Machine Learning for Asymptomatic Ratoon Stunting Disease Detection With Freely Available Satellite Based Multispectral Imaging},
author = {Ethan Kane Waters and Carla Chia-ming Chen and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2410.03141},
year = {2025}
}
备注
13 pages, 1 figure and 3 tables (main text), 1 figure and 2 tables (appendices). Submitted to "Computers and Electronics in Agriculture"