8、基于深度学习的农业害虫与病害识别技术

基于深度学习的农业害虫与病害识别技术

在农业生产中，昆虫和病害对农作物的产量和质量造成了严重的影响。芒果生产中的昆虫危害会导致巨大的经济损失，而在番茄种植中，病害也常常使农民无法获得预期的产量。为了解决这些问题，研究人员采用了深度学习技术，特别是卷积神经网络（CNN），来进行芒果昆虫分类和番茄叶病害识别。

芒果昆虫分类

• 数据集 ：研究人员开发了一个包含三千张干净标注图像的芒果昆虫数据集，这些图像被分为训练集、验证集和测试集，涉及芒果石象鼻虫、芒果跳甲和果蝇三种不同的芒果昆虫。
• 微调模型性能
  • VGG19 ：通过测试数据的混淆矩阵计算模型精度。多类分类的准确率使用公式 Accuracy = correctly classified samples (nc) / total number of samples (n) 计算。VGG19 模型在测试数据上，果蝇的精确率为 89%，跳甲为 99%，石象鼻虫为 82%；召回率（也称为灵敏度）分别为 93%、92%和 85%，整体准确率为 91%。具体性能指标如下表所示：
    | 性能指标 | 果蝇 | 跳甲 | 石象鼻虫 | 宏平均 |
    | ---- | ---- | ---- | ---- | ---- |
    | 准确率 | 0.91 | | | |
    | 精确率 | 0.89 | 0.99 | 0.82 | 0.90 |
    | 召回率 | 0.93 | 0.92 | 0.85 | 0.90 |
    | F1 分数 | 0.91 |