基于移动端的香蕉病害检测深度学习模型
计算机视觉与模式识别
2020-04-09 v1
摘要
坦桑尼亚的小农户面临缺乏早期检测香蕉病害工具的挑战。本研究旨在利用深度学习开发一款用于早期检测香蕉枯萎病1号小种和黑叶斑病（black Sigatoka）的移动应用。我们使用了一个包含3000张香蕉叶片图像的数据集。我们在Resnet152和Inceptionv3卷积神经网络架构上预训练了模型。Resnet152达到了99.2%的准确率，Inceptionv3达到了95.41%的准确率。在采用Android手机部署时，我们选择Inceptionv3，因为其相比Resnet152具有更低的内存需求。该移动应用在实际环境中以所捕获叶片区域99%的置信度检测到了这两种病害。这一结果表明，小农户通过使用早期病害检测工具来提高香蕉产量的潜力。
引用
@article{arxiv.2004.03718,
title = {Mobile-Based Deep Learning Models for Banana Diseases Detection},
author = {Sophia Sanga and Victor Mero and Dina Machuve and Davis Mwanganda},
journal= {arXiv preprint arXiv:2004.03718},
year = {2020}
}
备注
Paper presented at the ICLR 2020 Workshop on Computer Vision for Agriculture (CV4A)