基于集成深度学习的标注方法构建的物联网赋能香蕉生命周期图像数据集——面向精准农业

《Applied Fruit Science》：An IoT-Enabled Banana Lifecycle Image Dataset with Ensemble Deep Learning-Based Annotation for Precision Agriculture

　　

摘要

香蕉种植在安得拉邦的农业经济中扮演着重要角色，尤其是以香蕉生产闻名的拉武拉帕勒姆地区。本研究提出了EAAF-Net（集成AI标注框架），这是一种应用于香蕉生命周期分类和半自动图像标注的AI工作流程，使用在受控采后储存条件下通过基于树莓派的成像系统获取的图像。该工作流程旨在支持香蕉三个生命周期阶段——未成熟、成熟和腐烂——的分类，同时减少人工标注工作量，促进可靠农业图像数据集的构建。EAAF-Net并非提出新的深度学习架构，而是通过集成概率平均的方式，将三个成熟的预训练卷积神经网络骨干网络——EfficientNet-B0、Xception和MobileNetV2——相结合。一个基于置信度的决策机制自动接受高置信度预测，同时识别出不确定样本以进行人工验证，从而提高标注一致性，支持高效的半自动数据集构建。该工作流程以边缘人工智能（AI）系统的形式实现，图像采集和模型推理均在本地完成，无需云计算或基于网络的物联网（IoT）连接。评估结果表明，所提出的工作流程具有竞争力的分类性能，同时提供了一个实用且可扩展的框架，用于基于置信度引导的香蕉生命周期图像标注。该方法为采后质量评估、香蕉生命周期监控和精准农业中的智能视觉应用提供了有用的基础，未来工作将致力于更广泛的实地验证和物联网赋能的农业监测系统。