PV-ALE 数据集：通过卷积神经网络迁移学习提高苹果叶片病害分类
计算机视觉与模式识别
2024-10-31 v1
摘要
随着全球粮食安全格局的演变，准确可靠的作物病害诊断需求日益迫切。为应对全球粮食安全 concerns，我们将广泛使用的 PlantVillage 数据集扩展引入额外的苹果叶片病害类别，增强其多样性和复杂性。对原始和扩展后的数据集进行实验评估，结果显示现有模型在新添加的类别上表现不佳，突显需要更稳健和通用的计算机视觉模型。分别在原始和扩展数据集上获得了 99.63% 和 97.87% 的测试 F1 分数。我们的研究提供了一个更具挑战性和多样性的基准，为在 varying imaging conditions 下识别苹果叶片病害的开发准确可靠的模型铺平了道路。该扩充后的数据集可在 https://www.kaggle.com/datasets/akinyemijoseph/apple-leaf-disease-dataset-6-classes-v2 获取，为未来的研究提供了基础。
引用
@article{arxiv.2410.22490,
title = {The PV-ALE Dataset: Enhancing Apple Leaf Disease Classification Through Transfer Learning with Convolutional Neural Networks},
author = {Joseph Damilola Akinyemi and Kolawole John Adebayo},
journal= {arXiv preprint arXiv:2410.22490},
year = {2024}
}
备注
To appear in th Sixth International Conference on Soft Computing and its Engineering Applications (icSoftComp2024)