利用可学习的加权深度集成模型以及测试时增强算法实现强大的茄子病害识别

《Information Processing in Agriculture》:Robust eggplant disease recognition using a learnable weighted deep ensemble with test-time augmentation

【字体: 大 中 小 】 时间:2026年03月20日 来源:Information Processing in Agriculture 7.4

编辑推荐:

  Ebru Ergün | Hatice Okumu?摘要茄子是全球种植最广泛的蔬菜之一,但会受到多种疾病的影响,这些疾病会显著降低茄子的产量和品质。因此,要确保可持续的农作物生产和食品安全,就需要尽早且准确地诊断病害。深度学习架构和计算机视觉技术的快速发展使得卷积神经网络成为识别

  
Ebru Ergün | Hatice Okumu?

摘要

茄子是全球种植最广泛的蔬菜之一,但会受到多种疾病的影响,这些疾病会显著降低茄子的产量和品质。因此,要确保可持续的农作物生产和食品安全,就需要尽早且准确地诊断病害。深度学习架构和计算机视觉技术的快速发展使得卷积神经网络成为识别植物病害的强大工具,其性能通常优于传统的诊断方法。在这项研究中,使用了三个具有不同类别结构和不平衡特征的标准茄子图像数据集(6类的Eggplant1、5类的Eggplant2和7类的Eggplant3),以开发出一个强大的病害分类框架。所提出的方法引入了一种可学习的加权集成系统,该系统能够在端到端的可训练融合方案中自适应地整合ConvNeXt、DenseNet和EfficientNet架构。通过系统的测试时增强和交叉验证,进一步提升了该框架的推理稳定性。实验评估表明,该集成模型在Eggplant1、Eggplant2和Eggplant3数据集上的准确率分别为0.9970、0.9375和0.9557,并且在各种类别分布情况下均保持了稳定的性能。这些结果证实了这种自适应集成融合方法在捕获互补特征表示以及缓解不同复杂度数据集之间的类别间差异方面的有效性。总体而言,这项工作提出了一个方法上稳健且易于解释的基于集成的框架,通过解决精准农业应用中的实际可靠性问题,推进了基于图像的植物病害诊断技术的发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号