基于区域卷积神经网络的植物病害检测
计算机视觉与模式识别
2023-09-13 v2 机器学习
摘要
农业在孟加拉国的粮食与经济中扮演重要角色。多年来人口的快速增长也增加了粮食生产的需量。作物低产的主要原因之一是大量的细菌、病毒与真菌性植物病害。早期检测植物病害并合理使用农药与肥料对防病增产至关重要。多数农民在不知植物具体状况的情况下于整片田地施用通用农药与肥料，因此生产成本常升高，且不仅于此，有时还对产量有害。深度学习模型被证实能高效从植物图像自动检测病害，从而减少对人类专家的需求。本文旨在构建轻量级深度学习模型以预测番茄植株叶片病害。通过改进区域卷积神经网络，我们设计了一个高效且有效的模型，在基准数据集上展现出令人满意的实证性能。我们提出的模型可轻松部署于更大系统中：无人机拍摄叶片图像并输入本模型以判定健康状态。
引用
@article{arxiv.2303.09063,
title = {Plant Disease Detection using Region-Based Convolutional Neural Network},
author = {Hasin Rehana and Muhammad Ibrahim and Md. Haider Ali},
journal= {arXiv preprint arXiv:2303.09063},
year = {2023}
}
备注
23 pages