Red profunda con fusión a nivel de puntuación y aprendizaje de transferencia basado en inferencia para reconocer las enfermedades de tizón de hojas y pudrición de frutas de berenjena
Autores: Haque, Md. Reduanul; Sohel, Ferdous
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
La berenjena es un cultivo de vegetales popular. Los rendimientos de berenjena pueden verse afectados por diversas enfermedades. La detección y reconocimiento automáticos de enfermedades es un paso importante hacia la mejora de los rendimientos de los cultivos. En este documento, utilizamos una arquitectura de fusión profunda de dos flujos, empleando las tuberías CNN-SVM y CNN-Softmax, junto con un modelo de inferencia para inferir las clases de enfermedades. Un conjunto de datos de 2284 imágenes fue obtenido de fuentes primarias (utilizando una cámara RGB de consumo) y fuentes secundarias (internet). El conjunto de datos contenía imágenes de nueve enfermedades de berenjena. Los resultados experimentales muestran que el método propuesto logró una mejor precisión y menores resultados falsos positivos en comparación con otros métodos de aprendizaje profundo (como VGG16, Inception V3, VGG 19, MobileNet, NasNetMobile y ResNet50).
Descripción
La berenjena es un cultivo de vegetales popular. Los rendimientos de berenjena pueden verse afectados por diversas enfermedades. La detección y reconocimiento automáticos de enfermedades es un paso importante hacia la mejora de los rendimientos de los cultivos. En este documento, utilizamos una arquitectura de fusión profunda de dos flujos, empleando las tuberías CNN-SVM y CNN-Softmax, junto con un modelo de inferencia para inferir las clases de enfermedades. Un conjunto de datos de 2284 imágenes fue obtenido de fuentes primarias (utilizando una cámara RGB de consumo) y fuentes secundarias (internet). El conjunto de datos contenía imágenes de nueve enfermedades de berenjena. Los resultados experimentales muestran que el método propuesto logró una mejor precisión y menores resultados falsos positivos en comparación con otros métodos de aprendizaje profundo (como VGG16, Inception V3, VGG 19, MobileNet, NasNetMobile y ResNet50).