基于端到端锚深度学习模型的柑橘病害检测与分类

病害检测与分类"/>

基于端到端锚深度学习模型的柑橘病害检测与分类

植物病害是降低农业产量和产量、造成重大经济损失和粮食供应不稳定的主要问题。在植物中，柑橘是一种具有重要经济意义的水果作物，在大约140个国家生产和种植。然而，柑橘种植受到包括病虫害在内的各种因素的广泛影响，导致了显著的产量和质量损失。近年来，计算机视觉和机器学习在植物病害检测和分类中得到了广泛应用，为病害的早期检测提供了机会，并为农业领域带来了进步。对植物病害的早期准确检测对于减少病害的传播和对作物的损害至关重要。因此，本文采用两阶段的深度CNN模型，利用叶片图像进行植物病害检测和柑橘病害分类。该模型由两个主要阶段组成；（a） 使用区域提议网络提议潜在的目标病区；（b） 使用分类器将最可能的目标区域分类为相应的疾病类别。该模型的检测准确率为94.37%，平均准确率为95.8%。研究结果表明，该模型能够识别和区分三种不同的柑橘病害，即柑橘黑斑病、柑橘细菌性溃疡病和黄龙病。该模型为种植者和农民识别和分类柑橘病害提供了有用的决策支持工具。

关键词：农业·柑橘病害·CNN·深度学习·病害识别与分类·机器学习

1 Introduction

1.1 Background and motivation

农业生产在世界经济中发挥着关键作用，对经济增长至关重要。气候变化[28]、可耕地、技术获取、虫害[15]和新疾病[31]等因素是粮食生产的主要障碍。植物病害对作物健康和全球粮食安全、作物生产构成重大威胁以及世界经济，并影响全球农作物的产量和质量[49,56]。据估计，全球近16%的作物因植物病原体而遭受损失[41]。水果作物是农业生产的重要组成部分，柑橘是世界上种植的重要水果作物之一，也是全世界消费和交易最多的农产品[18,39]。柑