利用 CNN 进行稻田病害分类
计算机视觉与模式识别
2023-03-16 v1
摘要
水稻是世界饮食中的主食，然而每年有巨量作物产量因病害而损失。为应对此问题，人们一直在寻找自动化病害诊断的方法。在此，我们基于先前的建模工作进行了扩展，分析了病害分类准确率对模型架构与常见计算机视觉技术的敏感性。在此过程中，我们在较小模型规模、最少 GPU 与较短训练时间的约束下最大化了准确率。先前最先进（SOTA）模型仅预测 5 种病害时准确率为 93%，我们利用 10 种病害类别将其提升至 98.7%。
引用
@article{arxiv.2303.08415,
title = {Rice paddy disease classifications using CNNs},
author = {Charles O'Neill},
journal= {arXiv preprint arXiv:2303.08415},
year = {2023}
}