摘要
深度卷积神经网络（DCNNs）已在植物病害检测中得到成功应用。与大多数现有研究不同，本文提出将CIE Lab色彩空间而非传统的RGB色彩坐标输入深度卷积神经网络。为此，我们对Inception V3架构进行了改进，引入两个并行分支：一个专门处理亮度信息（L通道，即非彩色分量），另一个专门处理色度信息（AB通道，即彩色分量）。该设计充分利用了色彩与亮度信息在CIE Lab空间中的解耦特性。此外，通过分支结构的分离，使可训练参数数量和计算负载相比原始模型最多减少50%。在Plant Village数据集上，我们实现了99.48%的分类准确率，达到当前最优水平；在Cropped-PlantDoc数据集上，准确率也达到了76.91%。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| image-classification-on-plantvillage | Inception V3 20%L + 80%AB | Accuracy: 99.48% PARAMS: 5M |