MangoLeafViT：利用轻量级 Vision Transformer 与运行时数据增强的高效芒果叶病分类
计算机视觉与模式识别
2025-06-02 v1
摘要
确保食品安全至关重要，因为它对公共健康、经济稳定和全球供应链具有深远影响。芒果是几个南亚国家的主要农产品，其种植因不同疾病而面临巨大的经济损失，影响了整个供应链的各个环节。虽然已有探索基于深度学习的芒果叶病分类方法，但在设计计算高效且兼容低端设备的解决方案方面仍存在空白。在本工作中，我们提出了一种基于轻量级 Vision Transformer 并带有自注意力机制的流水线来对芒果叶病进行分类，以最小的计算开销实现了 SOTA 性能。我们的方法利用全局注意力来捕捉病害类型之间的复杂模式，并结合运行时数据增强以提升性能。在 MangoLeafBD 数据集上的评估表明，其准确率达到 99.43%，在模型大小、参数量和 FLOPs 数量方面均优于现有方法。
引用
@article{arxiv.2505.23961,
title = {MangoLeafViT: Leveraging Lightweight Vision Transformer with Runtime Augmentation for Efficient Mango Leaf Disease Classification},
author = {Rafi Hassan Chowdhury and Sabbir Ahmed},
journal= {arXiv preprint arXiv:2505.23961},
year = {2025}
}
备注
Accepted in 27th ICCIT 2024, 6 pages, 5 Figures, 4 tables