面向移动设备的植物病害深度学习：101 类 33 种作物轻量 CNN 基准
计算机视觉与模式识别
2025-08-15 v1 机器学习
摘要
植物病害是全球粮食安全的主要威胁。发展能够准确检测的早期检测系统至关重要。计算机视觉技术的发展有潜力解决这一挑战。我们开发了一个面向移动设备的解决方案，可准确分类 101 种作物病害。我们通过组合不同数据集（Plant Doc、PlantVillage 和 PlantWild）构建了全面的数据集，这些数据集都旨在完成相同的任务。我们在几种轻量级架构上评估了性能——MobileNetV2、MobileNetV3、MobileNetV3-Large 和 EfficientNet-B0、B1——这些架构特别选择是因为它们在资源受限设备上的效率。结果令人振奋，EfficientNet-B1 在分类准确率方面达到了 94.7%。该架构在准确率和计算效率之间达到了最佳平衡，使其适用于在移动设备上进行实际部署。
引用
@article{arxiv.2508.10817,
title = {Mobile-Friendly Deep Learning for Plant Disease Detection: A Lightweight CNN Benchmark Across 101 Classes of 33 Crops},
author = {Anand Kumar and Harminder Pal Monga and Tapasi Brahma and Satyam Kalra and Navas Sherif},
journal= {arXiv preprint arXiv:2508.10817},
year = {2025}
}
备注
15 pages, 5 figures, 2 tables