利用迁移学习模型提升精细昆虫检测：革新性的昆虫分类
计算机视觉与模式识别
2024-06-13 v1
摘要
作物与植物健康的昆虫检测系统旨在监视并识别农业地区的虫害。通过利用计算机视觉和机器学习等前沿技术，系统旨在准确、及早识别危险昆虫，从而实现快速反应，拯救作物，维持最佳植物健康。本研究的方法包括数据获取、预处理、数据分割、模型实现和模型评估。本研究使用了 MobileNetV2、ResNet152V2、Xecption 和 Custom CNN 等不同模型。为了对昆虫照片进行分类，本文构建并评估了一个基于 ResNet152V2 架构的卷积神经网络（CNN）。ResNet152V2 实现了 99% 的训练准确率和 97% 的测试准确率，表现优于四个所实现模型。结果凸显了其在昆虫分类和昆虫学研究中的潜力，强调了其效率和准确性。为确保全球粮食安全和可持续农业产出，发现虫害至关重要。先进技术，如 ResNet152V2 模型，对自动化和提高虫害识别准确性具有重大影响。高效的虫害检测不仅最小化作物损失，还增强了农业生产力，为可持续粮食生产做出了贡献。这凸显了技术在应对全球粮食安全挑战中的关键作用。
关键词
引用
@article{arxiv.2406.07716,
title = {Unleashing the Power of Transfer Learning Model for Sophisticated Insect Detection: Revolutionizing Insect Classification},
author = {Md. Mahmudul Hasan and SM Shaqib and Ms. Sharmin Akter and Rabiul Alam and Afraz Ul Haque and Shahrun akter khushbu},
journal= {arXiv preprint arXiv:2406.07716},
year = {2024}
}