TeaLeafVision：用于茶叶病害分类的可解释且鲁棒的深度学习框架
计算机视觉与模式识别
2026-04-09 v1 人工智能
机器学习
摘要
作为世界上仅次于水的第二大消费饮品，茶不仅是一种文化 staple，更是一个具有深远规模和影响力的全球经济力量。茶不仅仅是一种饮品，它代表着自然、文化与人类对片刻反思之间的一种无声协商。因此，精确识别和检测茶叶病害至关重要。基于这一目标，我们评估了多种卷积神经网络（CNN）模型，其中三种在teaLeafBD数据集上表现出显著性能，包括DenseNet201、MobileNetV2和InceptionV3。teaLeafBD数据集包含七个类别——六个病害类别和一个健康类别——在各种田间条件下收集，反映了真实世界的挑战。在CNN模型中，DenseNet201取得了最高的测试准确率99%。为了增强模型的可靠性和可解释性，我们实现了梯度加权类激活映射（Grad CAM）、遮挡敏感性分析和对抗训练技术，以提高模型的抗噪能力。最后，我们开发了一个原型，以利用模型在真实农业场景中的能力。本文展示了深度学习模型在真实茶叶病害检测和管理中的分类能力。
引用
@article{arxiv.2604.07182,
title = {TeaLeafVision: An Explainable and Robust Deep Learning Framework for Tea Leaf Disease Classification},
author = {Rafi Ahamed and Sidratul Moon Nafsin and Md Abir Rahman and Tasnia Tarannum Roza and Munaia Jannat Easha and Abu Raihan},
journal= {arXiv preprint arXiv:2604.07182},
year = {2026}
}