基于深度学习的植物叶片病害检测与分类：综述及面向孟加拉国视角的提出系统
计算机视觉与模式识别
2025-01-08 v1 机器学习
摘要
农业是孟加拉国人民就业、GDP贡献及主要生计中极其重要的一部分。它在减贫和保障粮食安全方面发挥着至关重要的作用。植物病害是孟加拉国农业生产中的严重障碍。有时，人类无法仅凭肉眼从受感染的叶片上检测出病害。在为时已晚时对植物使用无机化学物质或农药往往徒劳无功，使先前的所有劳作付诸东流。基于叶片图像分类的深度学习技术已展现出令人瞩目的成果，能够使识别和分类所有病害的工作更加轻松且精确。在本文中，我们主要提出了一个更好的叶片病害检测模型。我们提出的论文包括收集三种不同农作物的数据：灯笼椒、番茄和马铃薯。为了训练和测试所提出的CNN模型，使用了从Kaggle收集的植物叶片病害数据集，该数据集包含17,430张图像。这些图像被标记为14个独立的损害类别。所开发的CNN模型表现高效，能够成功检测和分类被测试的病害。所提出的CNN模型在农作物病害管理方面可能具有巨大潜力。
引用
@article{arxiv.2501.03305,
title = {Plant Leaf Disease Detection and Classification Using Deep Learning: A Review and A Proposed System on Bangladesh's Perspective},
author = {Md. Jalal Uddin Chowdhury and Zumana Islam Mou and Rezwana Afrin and Shafkat Kibria},
journal= {arXiv preprint arXiv:2501.03305},
year = {2025}
}