OliVaR：利用深度神经网络改进橄榄品种识别
计算机视觉与模式识别
2023-03-02 v1 计算机与社会
机器学习
摘要
轻松且准确地识别品种在农业中至关重要，尤其在橄榄产业中，目前全球已知橄榄品种超过 1200 个。品种误认会给该行业所有参与者带来诸多潜在问题：农民和苗圃工人可能定植错误品种，导致其在田间不适；橄榄油与食用橄榄生产者可能标注并销售非正品；消费者可能被误导；育种者可能在品种间定向杂交中犯错。迄今为止，品种鉴定与认证的标准由两种方法构成：形态学分类与遗传学分析。形态学分类由橄榄树不同器官的视觉两两比较组成，其中最重要的器官被认为是内果皮。相比之下，存在多种遗传分类方法（RAPDs、SSR 与 SNP）。两种分类方法各有优劣。视觉形态学分类需要高度专业人员且易犯人为错误。遗传鉴定方法更准确但成本高且难以实施。本文介绍 OliVaR，一种橄榄品种鉴定的新方法。OliVaR 使用教师-学生深度学习架构来学习每个特定橄榄品种内果皮的定义性特征并进行分类。我们构建了据我们所知迄今最大的橄榄品种数据集，包含来自地中海盆地的 131 个品种的图像数据。我们在该数据集上充分测试 OliVaR，表明其以超过 86% 的准确率正确预测橄榄品种。
引用
@article{arxiv.2303.00431,
title = {OliVaR: Improving Olive Variety Recognition using Deep Neural Networks},
author = {Hristofor Miho and Giulio Pagnotta and Dorjan Hitaj and Fabio De Gaspari and Luigi V. Mancini and Georgios Koubouris and Gianluca Godino and Mehmet Hakan and Concepcion Muñoz Diez},
journal= {arXiv preprint arXiv:2303.00431},
year = {2023}
}
备注
10 pages, 9 figures