Paddy Doctor：用于自动化水稻病害分类与基准测试的可视图像数据集
计算机视觉与模式识别
2022-11-28 v2
摘要
水稻种植者面临的关键生物胁迫因素之一是由细菌、真菌及其他生物引起的病害。这些病害严重影响植株健康并导致显著减产。大多数此类病害可在专家监督下通过定期观察叶片和茎秆来识别。在一个拥有广阔农业区域但作物保护专家有限的国家，人工识别水稻病害颇具挑战。因此，为解决此问题，有必要将病害识别过程自动化，并提供易于获取的决策支持工具以实现有效的作物保护措施。然而，缺乏带有详细病害信息的公共数据集限制了精确病害检测系统的实际部署。本文提出 Paddy Doctor，一个用于识别水稻病害的可视图像数据集。我们的数据集包含 16,225 张跨 13 个类别（12 种病害与正常叶片）的标注水稻叶片图像。我们使用卷积神经网络（CNN）和四种基于迁移学习的模型（VGG16、MobileNet、Xception 和 ResNet34）对 Paddy Doctor 数据集进行了基准测试。实验结果表明 ResNet34 取得了 97.50% 的最高 F1 分数。我们开源发布了数据集与可复现代码以供社区使用。
引用
@article{arxiv.2205.11108,
title = {Paddy Doctor: A Visual Image Dataset for Automated Paddy Disease Classification and Benchmarking},
author = {Petchiammal A and Briskline Kiruba S and D. Murugan and Pandarasamy A},
journal= {arXiv preprint arXiv:2205.11108},
year = {2022}
}