CVPRApr, 2020

基于激活映射引导的弱监督学习应用于一种新的柑橘害虫基准测试

PDF
TL;DR本研究采用弱监督学习辅助识别农作物病虫害，设计了显著性图来自动选择感兴趣的区域，同时构建了一个包含正负样本的柑橘害虫基准数据集，实验结果表明该方法在农业领域中的病虫害分类问题上有良好的应用前景。
integrated pest managementcitrus cropsweakly supervised learningpest classificationdisease classification
发现论文，激发创造
  • 使用机器学习和深度学习预测柑橘病害：分类器，模型 SLR

    针对全球柑橘种植业多年来主要存在柑橘疾病问题，如柑橘溃疡病、黄龙病、柑橘黑斑病、柑橘叶蛀虫等，影响了柑橘果实品质，引起了严重的经济损失和疾病管理问题，为了柑橘行业的健康发展提出了多种化学和生物防治方法、定期监测以及最大限度地保证卫生情况等预防和管理策略。

    Jun, 2023

  • 数字图像处理技术在损伤面积测量和分析中的综合应用

    本文利用图像处理技术，采取直方图比较和 K 均值聚类等方法来探索柑橘叶斑病的检测，该方法可通过生成基于叶片样式的直方图来识别柑橘叶斑病，高效地为农业领域的专家提供治疗方案。

    Jun, 2023

  • 柑橘叶病综合文献综述

    甜橙叶病、机器学习、叶片管理、图像分类和机器学习模型在检测受损叶片方面的应用是该综合文献综述的主要内容。

    Dec, 2023

  • 一种高效基于深度学习的野外农业害虫识别方法

    农民在农产品产量期间面临的最大挑战之一是与昆虫害虫的斗争。为了解决这个问题并避免经济损失，需要及时采取预防措施，而这需要以简单而有效的方式鉴别昆虫害虫。本文对主要基于名为 IP102 的健壮数据集的迁移学习与微调，注意力机制和自定义架构等不同方法进行了广泛的实验，并展示了另一个数据集 D0 的示例来展示我们实验技术的健壮性。

    Oct, 2023

  • 基于区域建议的显著性图细化，用于弱监督疾病定位和分类

    本文介绍了一种新的方法，结合区域提议和显著性检测的方法，通过 ChestX-ray14 数据集，证明该模型在弱监督下疾病诊断和定位方面的性能已经成为新的 state-of-the-art。

    May, 2020

  • SugarViT -- 基于视觉 Transformer 和深度标签分布学习的无人机图像多目标回归在甜菜病害严重性预测中的应用

    通过远程遥感和人工智能技术，本文介绍了一种用于大规模病害严重程度评分的自动化机器学习框架，结合了深度标签分布学习、特殊损失函数和定制模型架构的 SugarViT 模型。同时，本框架还可以适用于各种基于图像的分类和回归任务。

    Nov, 2023

  • CitDet：一个柑橘果实检测的基准数据集

    我们介绍了一个新的数据集，通过图像在果园环境中检测柑橘水果并准确估计黄龙病（HLB）病害影响下树木产量的研究进展。

    Sep, 2023

  • 野外利用深度学习模型识别和检测蚜虫群

    使用深度学习模型检测蚜虫簇集，我们提出了一种新的方法来估计感染水平。通过对多麦科田野捕捉的 5,447 张图像中的蚜虫集群进行手动选择并进行注释，我们构建了一个庞大的数据集。然后，我们在该数据集上实施和比较了四种最先进的目标检测模型（VFNet、GFLV2、PAA 和 ATSS）的性能。结果表明，所有模型在平均精度和召回率方面都表现出稳定的相似性能。我们进一步提出合并紧邻簇集和去除由裁剪引起的小簇集的方法，使性能进一步提升约 17%。该研究证明了使用机器学习模型自动检测和管理昆虫的可行性，并将该标注数据集公开提供给研究界。

    Aug, 2023

  • 利用类激活图对植物叶片病害进行检测

    本研究提出了一种基于 ResNet-18 分类器生成类激活映射进行的植物叶片病斑检测方法，无需进行病斑注释，可以有效解决小目标检测问题，从而实现对植物病害的有效控制，成功率为 0.45。

    Jun, 2023

  • 基于深度学习分割方法的无人机多光谱图像葡萄藤病害检测

    利用深度学习分割方法和两个不同传感器获得的红外和可见光图像进行葡萄藤疾病的自动检测，该方法在葡萄藤级别上达到 92％以上的检测准确度，在叶子级别上达到 87％以上的检测准确度，对于计算机辅助的葡萄园疾病检测具有很好的前景。

    Dec, 2019