Explainable deep learning for Mango leaf disease recognition using AlexNet and grad-CAM
提出可解释深度学习框架，用AlexNet结合贝叶斯调参、微调和Grad-CAM实现芒果叶病十分类。
← 主题
MobileNetV2 植物病害 检测
同时包含 MobileNetV2、植物病害、检测 的农业资讯，共 3 条。
Zenodo (CERN European Organization for Nuclear Research)·9月26日 · 周六66 分 论文智慧农业总论智慧农业 / 农业物联网2 个信源同时报道 阅读 3
EXPLAINABLE EDGE AI FOR EARLY DETECTION OF PLANT DISEASES IN SMART AGRICULTURE USING LIGHTWEIGHT MOBILENETV2 WITH GRADIENT SALIENCY
提出轻量MobileNetV2结合梯度显著性实现边缘端植物病害早期可解释检测。
Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops(像素级可解释压力指数:田间作物病害严重程度量化的语义分割框架)
植物病害每年造成全球农业产量损失20%-40%、经济损失超2200亿美元。文章提出统一深度学习流水线,集成语义分割、基于回归的严重程度估计和病害分类,根据感染叶片面积比例将胁迫严重程度分为四档。在包含1641样本、六个类别的苹果树叶病害分割数据集上,采用MobileNetV2的U-Net表现最佳,像素准确率98.20%、mIoU 0.70、检测准确率99.41%、单张图像处理时间仅14.7毫秒,适合实时田间应用。计算出的严重程度指数与专家标注高度相关(r=0.968, R²=0.937),为自动化作物监测和决策支持提供可靠方案。[预印本]