PotatoPestNet：一种基于 CTInceptionV3-RS 的神经网络用于马铃薯害虫的准确识别
计算机视觉与模式识别
2023-07-18 v2 机器学习
摘要
马铃薯是全球第三大粮食作物，但其生产常因严重的害虫侵扰而遇到困难。本研究旨在调查这些害虫的种类与特征，并提出一种高效的基于 PotatoPestNet AI 的自动马铃薯害虫识别系统。为此，我们整理了一个由八类马铃薯害虫组成的可靠数据集。我们利用迁移学习的力量，采用五种定制、预训练的迁移学习模型：CMobileNetV2、CNASLargeNet、CXception、CDenseNet201 与 CInceptionV3，提出一个鲁棒的 PotatoPestNet 模型以准确分类马铃薯害虫。为提升模型性能，我们应用了多种数据增强技术，引入了全局平均池化层，并实施了适当的正则化方法。为进一步提升模型性能，我们利用随机搜索（RS）优化进行超参数调优。该优化技术在微调模型与取得改进性能方面发挥了重要作用。我们使用不同评估指标对模型进行了视觉与定量评估。使用受试者工作特征（ROC）曲线评估了模型处理不平衡数据集的鲁棒性。在各模型中，经随机搜索优化的定制调优 Inception V3（CTInceptionV3）模型表现出众，取得了最高准确率（91%）、精确率（91%）、召回率（91%）与 F1 分数（91%），展现出其准确识别与分类马铃薯害虫的优越能力。
引用
@article{arxiv.2306.06206,
title = {PotatoPestNet: A CTInceptionV3-RS-Based Neural Network for Accurate Identification of Potato Pests},
author = {Md. Simul Hasan Talukder and Rejwan Bin Sulaiman and Mohammad Raziuddin Chowdhury and Musarrat Saberin Nipun and Taminul Islam},
journal= {arXiv preprint arXiv:2306.06206},
year = {2023}
}