基于人工智能与图像处理的仙人掌开源病害分析系统
计算机视觉与模式识别
2021-06-08 v1 人工智能
摘要
由于仙人掌从室内观赏植物到食品和药用用途的多种利用价值，人们对仙人掌栽培的兴趣日益增长。多种病害影响仙人掌的生长。为开发一种用于仙人掌病害分析的自动化模型，并能够快速处理和治疗以防止仙人掌受损，采用 Faster R-CNN 和 YOLO 算法技术对仙人掌病害进行自动分析，将其分为六类：1) 炭疽病，2) 溃疡病，3) 养护不当，4) 蚜虫，5) 锈病，以及 6) 正常组。基于实验结果，发现 YOLOv5 算法在检测和识别仙人掌病害方面比 Faster R-CNN 算法更有效。使用 YOLOv5S 模型进行数据训练和测试，获得了 89.7% 的精确率(precision)和 98.5% 的准确率(召回率，recall)，这对于在仙人掌栽培的多种应用中进一步使用是足够有效的。总体而言，YOLOv5 算法每张图像的测试时间仅为 26 毫秒。因此，发现 YOLOv5 算法适用于移动应用，并且该模型可进一步开发为用于分析仙人掌病害的程序。
引用
@article{arxiv.2106.03669,
title = {Open source disease analysis system of cactus by artificial intelligence and image processing},
author = {Kanlayanee Kaweesinsakul and Siranee Nuchitprasitchai and Joshua M. Pearce},
journal= {arXiv preprint arXiv:2106.03669},
year = {2021}
}
备注
Preprint for IAIT2021