基于计算机视觉技术的水稻病害检测与分类：检测水稻病害的移动应用
计算机视觉与模式识别
2024-12-10 v1
摘要
植物病害对我们的粮食供应产生重大影响，给农民、依赖农业的经济体和全球粮食安全带来问题。准确及时的植物病害诊断对于有效治疗和减少产量损失至关重要。尽管农业技术不断进步，但精确而早期的诊断仍然是一个挑战，特别是在农业至关重要且农业专家匮乏的不发达地区。然而，采用深度学习应用可以在不需要植物病理学家的情况下准确识别病害。在本研究中，我们评估了各种计算机视觉模型在检测水稻病害方面的有效性，并提出了最佳的基于深度学习的病害检测系统。使用了包含超过 20,000 张标注水稻病害叶片图像的 Paddy Doctor 数据集，对分类和检测任务均进行了测试和评估。在检测方面，我们使用了基于 YOLOv8 模型进行水稻病害检测，CNN 模型和 Vision Transformer 用于病害分类。检测任务达到了平均 mAP50 为 69%，Vision Transformer 分类准确率为 99.38%。研究发现，检测模型能够以较少的计算资源有效识别多种病害，而分类模型虽然计算代价较高，但在对单一病害进行分类时表现出更好的性能。此外，开发了一个移动应用，使农民能够即时识别水稻病害。对该应用的实验展示了利用训练好的模型进行病害分类和治疗指导的令人鼓舞的结果。
引用
@article{arxiv.2412.05996,
title = {Paddy Disease Detection and Classification Using Computer Vision Techniques: A Mobile Application to Detect Paddy Disease},
author = {Bimarsha Khanal and Paras Poudel and Anish Chapagai and Bijan Regmi and Sitaram Pokhrel and Salik Ram Khanal},
journal= {arXiv preprint arXiv:2412.05996},
year = {2024}
}
备注
21 pages,12 figures and 2 tables