Farbebewusste zwei-Branch-DCNN für eine effiziente Pflanzenkrankheitsklassifikation

Tiefen konvolutionelle neuronale Netze (DCNNs) wurden erfolgreich für die Erkennung von Pflanzenkrankheiten eingesetzt. Im Gegensatz zu den meisten bestehenden Studien schlagen wir vor, ein DCNN mit CIE-Lab-Daten anstelle der herkömmlichen RGB-Farbkoordinaten zu versorgen. Wir modifizierten die Architektur Inception V3, indem wir einen spezifischen Zweig für achromatische Daten (L-Kanal) und einen weiteren Zweig für chromatische Daten (AB-Kanäle) einfügten. Diese Modifikation nutzt die Entkopplung von chromatischen und achromatischen Informationen aus. Zudem reduziert die Aufteilung in Zweige die Anzahl der trainierbaren Parameter und die Rechenlast um bis zu 50 % im Vergleich zu den ursprünglichen Werten unter Verwendung modifizierter Schichten. Wir erreichten eine state-of-the-art-Klassifizierungsgenauigkeit von 99,48 % auf dem Plant Village-Datensatz und 76,91 % auf dem Cropped-PlantDoc-Datensatz.