MobilePlantViT：用于通用植物病害图像分类的移动端友好型混合 ViT
计算机视觉与模式识别
2025-03-24 v1 人工智能
机器学习
摘要
植物病害显著威胁全球粮食安全，通过降低作物产量和破坏农业可持续性。AI 驱动的自动分类方法日益成为解决这一问题的热门途径，深度学习模型在植物病害识别方面展现出惊人的性能。然而，将这些模型部署到移动端和边缘设备上仍具有挑战性，因其高计算需求和资源限制，凸显了轻量、精准解决方案对可及智能农业系统的必要性。为此，我们提出 MobilePlantViT，这是一种 novel 混合 Vision Transformer (ViT) 架构，旨在实现通用植物病害分类，在保持高性能的同时优化资源效率。广泛的实验在规模各异的植物病害数据集上表明，我们的模型效果显著且具有强大的泛化能力，测试准确率 ranging 从 80% 到超过 99%。值得注意的是，尽管该架构仅拥有 0.69 million 参数，却超越了 MobileViTv1 和 MobileViTv2 中最小版本，尽管后者参数更高。这些结果凸显了该方法在可持续且资源高效的智能农业系统中实现 AI 驱动的自动植物病害分类潜力。所有代码将在 GitHub 仓库 https://github.com/moshiurtonmoy/MobilePlantViT 中提供。
引用
@article{arxiv.2503.16628,
title = {MobilePlantViT: A Mobile-friendly Hybrid ViT for Generalized Plant Disease Image Classification},
author = {Moshiur Rahman Tonmoy and Md. Mithun Hossain and Nilanjan Dey and M. F. Mridha},
journal= {arXiv preprint arXiv:2503.16628},
year = {2025}
}
备注
Submitted to a journal for peer-review under IEEE Transactions series