提出的ResVGG-Net模型用于芒果叶病分类与农业可持续性研究

《Applied Fruit Science》：Proposed ResVGG-Net Model for Mango Leaf Disease Classification and Agricultural Sustainability

芒果叶片病害检测中提出ResVGG-Net集成模型，融合改进ResNet50和VGG16架构，通过特征拼接和定制全连接层提升性能。在4000张平衡数据集上准确率达99.88%，F1值0.9975，有效克服传统人工检测局限，适用于农业精准诊断及扩展至其他作物。

　　

摘要

芒果（Mangifera indica L.）是一种具有重大农业和经济价值的热带水果，但极易受到叶部病害的影响，如炭疽病、细菌性溃疡病、切叶象鼻虫、枯萎病、瘿蚊病、白粉病和煤烟病等，这些病害会降低作物产量和果实品质。本研究提出了一种集成模型ResVGG-Net，该模型结合了经过微调的ResNet50和VGG16架构，将芒果叶部病害分为八类（包括健康叶片），以克服传统人工检测方法的局限性。通过使用残差连接实现强大的高级特征抽象，ResNet50和VGG16架构得到了改进，具体改进措施包括加入GlobalAveragePooling2D、批量归一化、Dropout层以及带有ReLU激活函数的密集层。通过串联这两种模型的特征，利用它们各自的优点生成了统一的表示形式。此外，为了进一步提升特征的质量并确保分类的准确性，还设计了专门的层，这些层包含带有Dropout和批量归一化的完全连接的密集层。该模型使用了包含4000张图像的平衡数据集（每类500张图像），其准确率达到了99.88%，整体F1分数为0.9975，证明了其在所有病害类别上的可靠分类能力。所提出的ResVGG-Net模型作为一种可扩展且自主的解决方案，能够实现早期病害检测，从而促进可持续农业实践，及时采取干预措施并减少作物损失。此外，该方法还适用于农业诊断和精准农业领域，并可扩展到其他作物。