A B S T R A C T
本文介绍了最新的深度卷积模型(DCM)在巴拉科叶病害分类中的应用。几个选定的dcm使用迁移学习和微调，以及数据预处理和增强来执行图像分类任务。收集的数据集使用总数为4667。每一种都分为四个不同的类别，包括咖啡叶锈病(CLR)、黑孢菌叶斑(CLS)、煤烟霉菌(SM)和健康叶(HL)。dcm使用部分4023张图像进行训练，并用剩余的644张图像进行验证。训练模型VGG16、Xception和ResNetV2-152的分类结果总体准确率分别为97%、95%和91%。通过比较真实阳性率(TPR)，我们发现Xception对CLR、VGG16对SM、CLS的正确分类数最高，而ResNetV2-152对CLR的正确分类数最低。评价结果表明，使用深度卷积模型和足够的数据量，适当的微调、预处理和迁移学习可以产生有效的分类器来识别多种巴拉科叶病害。这项工作主要有助于不断发展的深度学习领域，特别是帮助农民改善他们的诊断过程，提供一个解决方案，可以自动分类巴拉科叶疾病。
Keywords
Deep learning
Convolutional neural networks
Classification
Leaf disease
Barako coffee
1. Introduction
咖啡产业对全球社会做出了巨大的贡献，在全球范围内成为仅次于原油的第二大贸易商品。
【1】据估计，它种植了150亿棵树，满足了几个国家2500万生产者的需求。在大多数亚洲地区，咖啡产业为许多家庭提供了就业机会，以满足他们的日常需求。在菲律宾，利比里亚咖啡是一种很受欢迎的咖啡变种，被称为Barako。这种广受欢迎的产品具有独特的风味和香气，引起了大多数消费者的兴
标签：咖啡,科叶,卷积,分类,巴拉,CLR 来源： https://blog.csdn.net/weixin_45592298/article/details/120485953
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。