Do we really need deep CNN for plant diseases identification?

1、期刊信息

Computers and Electronics in Agriculture

2、研究概况

真的需要深度CNN来识别植物病害吗，深度CNN不能提取足够的信息吗？为了解决这个问题，我们提出了两种方法，即SCNN-KSVM(带核SVM的浅层CNN)和SCNN-射频(带随机森林的浅层CNN)。在三个不同的数据集上进行了与其他深度学习模型的对比实验。结果表明，SCNN-KSVM和SCNN-RF模型在精度、召回率和F1评分等指标上优于其他预处理的深度模型，且参数较少。浅层CNN和经典机器学习分类算法的结合是以简单的方式处理植物病害识别的积极尝试。

在精度、召回率和F1分数等指标上优于其他深度学习模型，参数更少。

3、发展状况介绍

【1】大量的前期工作已经通过处理植物叶片图像和设计一些特定的分类器来将样本分类为健康或疾病图像来考虑这个问题。选择植物叶片图像作为分析数据的原因是，植物叶片通常是大多数植物疾病症状出现的第一个区域(Barbedo，；Barbedo，)。

【2】借助计算机科学技术，方法主要有两大类:经典机器学习和深度学习。用于植物病害识别的经典机器学习算法包括k近邻(KNN) (Singh和Kaur，)、支持向量机(SVM)(纳伊克和Sivappagari，)、随机森林(RF) (Chaudhary等人，)等。但是这些经典方法通过各种方式对手工