23、植物与植物病害图像识别及波兰推特情感标注研究

植物与植物病害图像识别及波兰推特情感标注研究

植物与植物病害图像识别

在植物与植物病害图像识别的研究中，涉及到了多个方面的内容，包括数据集的使用、模型的选择以及实验结果等。

数据集介绍

• PlantVillage数据集 ：该数据集专注于基于植物叶片的植物病害检测，包含55448张健康和不健康的叶片图像，按物种和病害分为39类。由于没有预定义的划分，将其分为测试集、验证集和训练集，且划分是分层的，以保持原始的类别比例。测试集和验证集各有11090个样本，分别占数据集的20%。训练集在数据增强前有33268张图像，占原始数据集的60%，增强后增加到46541张，每类图像数量在1000 - 3304张之间。
• PlantDoc数据集 ：这是一个较新的数据集，包含2576张来自13种植物的健康或患病植物叶片图像，分为27类（17种病害，10种健康）。它有预定义的训练 - 测试划分，训练集有2340张图像，测试集有236张图像。从原始训练集的15%创建了验证集，包含351个样本，验证集保持了原始数据集的类别分布。训练集经过大量增强后，每类图像数量在1037 - 1152张之间，总计28983张图像，而增强前每类图像数量在44 - 179张之间。

模型选择与特征提取

• 模型选择 ：所有实验都以MobileNetV2模型为基础模型。该架构是一个优秀的现成图像分类器，能实现令人满意的预测准确性和计算效率。选择MobileNetV2是因为有在与植物物种或植物病害识别类似任务上预训