.png){kind=icon}
返回
Fuzzy Aggregation-Based Deep Learning Ensemble for Enhanced Tomato Leaf Disease Classification
.png){kind=icon}
PRE
AI
DOI：10.1142/S0218488525400124.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确及时地诊断植物病害对于确保全球粮食安全、保护人类健康以及支持农民的经济福祉起着至关重要的作用。目前，人们对开发可靠的深度学习系统以识别各种植物种类及其相关病害越来越感兴趣。在这方面，结合多个卷积神经网络（CNN）是改进病害分类的有效方法，因为每个独立模型都有独特的设计原理，能够从输入图像中提取不同层次和类型的特征。本研究介绍了一种基于模糊聚合的新型CNN集成方法，用于番茄叶病害分类。最初，设计了五种CNN架构，即VGG16、ResNet152V2、MobileNetV2、InceptionV3和DenseNet201，用于分类番茄叶病害。基于其多样的统计特征，随后将选定的模型集成到一个CNN集成中。为完成此步骤，我们引入了一种新的模糊Max-Sum积分，该积分基于模糊凸组合算子构建。性能评估在包含10类和6类番茄病害的两个数据集上进行。进一步的实验通过合并这些数据集来包含更广泛的病害类别。结果表明，所提出的CNN集成在性能上优于单个模型以及基于经典Sugeno模糊积分的CNN集成。
Keyword:
CNN ensemble
transfer learning
fuzzy integrals
plant disease classification
期刊
I
IF:
1
论文数:
34
被引数:
1.6K
机构
引用论文
分享收藏Improved detection and identification approach in tomato leaf disease using transformation and combination of transfer learning features在番茄叶病害中改进检测与识别方法：使用转换和组合迁移学习特征
PREAI
分享收藏Coherence for Uncertainty Measures Given through ⊕-Basic Assignments Ruled by General Operations
PREAI
分享收藏Singh, V.K.; Mohamed, E.M.; Abdel-Nasser, M. Aggregating efficient transformer and CNN networks using learnable fuzzy measure for breast tumor malignancy prediction in ultrasound images. Neural Comput. Appl. 2024, 36, 5889–5905. [Google Scholar] [CrossRef]Singh, V.K.; Mohamed, E.M.; Abdel-Nasser, M. 使用可学习的模糊测度聚合高效Transformer和CNN网络，以预测超声图像中乳腺肿瘤的恶性程度。Neural Comput. Appl. 2024, 36, 5889–5905. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容