NemaNet：一种用于巴西大豆作物线虫识别的卷积神经网络模型
计算机视觉与模式识别
2021-03-08 v1 人工智能
摘要
植物寄生线虫（或植物线虫）正对作物造成严重损害，并在全球范围内引发大规模经济损失。在大豆作物中，年度损失估计占世界产量的 10.6%。此外，由具备分类学知识的专家通过显微分析鉴定这些物种通常费力、耗时且易出错。在此视角下，亟需能够对错综复杂线虫进行鲁棒自动识别、提供正确物种分类诊断并支撑所有控制与预防举措决策的鲁棒自动方法。本工作提出一个名为 NemaDataset 的新公开数据集，包含来自五种对大豆作物危害最显著线虫物种的 3063 张显微图像。此外，我们提出一种定义为 NemaNet 的新卷积神经网络（CNN）模型，并与十三种代表分类与识别前沿的流行 CNN 模型进行比对评估。各模型在从头训练下的总体平均值显示，NemaNet 模型达到 96.99% 准确率，而最佳评估折达到 98.03%。在迁移学习训练中，平均准确率达 98.88%。最佳评估折达 99.34%，相较于其他流行模型，在从头训练与迁移学习训练下分别实现超过 6.83% 与 4.1% 的总体准确率提升。
引用
@article{arxiv.2103.03717,
title = {NemaNet: A convolutional neural network model for identification of nematodes soybean crop in brazil},
author = {Andre da Silva Abade and Lucas Faria Porto and Paulo Afonso Ferreira and Flavio de Barros Vidal},
journal= {arXiv preprint arXiv:2103.03717},
year = {2021}
}
备注
21 pages, 13 figures