通过在 AWS DeepLens 上实现基于云的可扩展迁移学习进行实时植物健康评估
计算机视觉与模式识别
2021-01-27 v2 机器学习
图像与视频处理
摘要
在农业领域，植物叶片病害的防控至关重要，因为它影响着植物物种的质量与产量，并对任何国家的经济产生影响。因此，早期自动识别与分类植物叶片病害对于减少经济损失和保护特定物种十分必要。此前，为检测和分类植物叶片病害已提出多种机器学习模型；然而，它们由于硬件不兼容、可扩展性有限以及实际使用效率低而缺乏可用性。我们提出的 DeepLens 分类与检测模型（DCDM）方法通过在 AWS SageMaker 上进行可扩展迁移学习并将其导入 AWS DeepLens 以实现实时实际可用性，从而处理这些局限，自动检测和分类水果（苹果、葡萄、桃和草莓）与蔬菜（土豆和番茄）的叶片病害。云集成提供了可扩展性和对我们方法的普适访问。我们在包含水果与蔬菜健康与不健康叶片的广泛图像数据集上的实验显示了 98.78% 的准确率以及植物叶片病害的实时诊断。我们使用四万张图像训练深度学习模型，然后在一万张图像上评估。使用 AWS DeepLens 测试图像以进行病害诊断和分类的过程平均耗时 0.349s，在不到一秒内为用户提供病害信息。
引用
@article{arxiv.2009.04110,
title = {Real-time Plant Health Assessment Via Implementing Cloud-based Scalable Transfer Learning On AWS DeepLens},
author = {Asim Khan and Umair Nawaz and Anwaar Ulhaq and Randall W. Robinson},
journal= {arXiv preprint arXiv:2009.04110},
year = {2021}
}
备注
10 Pages, 12 Figures and 6 Tables