基于深度卷积神经网络与多光谱成像的稻株病害检测与诊断
计算机视觉与模式识别
2023-09-13 v1 图像与视频处理
摘要
水稻在埃及被视为战略作物，因其是埃及人民饮食中常规消费的食品。尽管埃及是非洲最高产稻国，年产量达 600 万吨，但由于产量损失（尤其因水稻病害），仍进口水稻以满足本地需求。稻瘟病在全球范围内造成 30% 的水稻产量损失。因此，尽早检测水稻作物病害以限制产量损害至关重要。本文介绍了一个公开的多光谱与 RGB 图像数据集，以及一种利用多模态数据进行稻株病害检测的深度学习流程。所采集的多光谱图像由红、绿与近红外通道组成，我们表明，使用多光谱与 RGB 通道共同作为输入，相比仅使用 RGB 输入可获得更高的 F1 精度。
引用
@article{arxiv.2309.05818,
title = {Rice Plant Disease Detection and Diagnosis using Deep Convolutional Neural Networks and Multispectral Imaging},
author = {Yara Ali Alnaggar and Ahmad Sebaq and Karim Amer and ElSayed Naeem and Mohamed Elhelw},
journal= {arXiv preprint arXiv:2309.05818},
year = {2023}
}