A B S T R A C T

本文介绍了最新的深度卷积模型(DCM)在巴拉科叶病害分类中的应用。几个选定的dcm使用迁移学习和微调，以及数据预处理和增强来执行图像分类任务。收集的数据集使用总数为4667。每一种都分为四个不同的类别，包括咖啡叶锈病(CLR)、黑孢菌叶斑(CLS)、煤烟霉菌(SM)和健康叶(HL)。dcm使用部分4023张图像进行训练，并用剩余的644张图像进行验证。训练模型VGG16、Xception和ResNetV2-152的分类结果总体准确率分别为97%、95%和91%。通过比较真实阳性率(TPR)，我们发现Xception对CLR、VGG16对SM、CLS的正确分类数最高，而ResNetV2-152对CLR的正确分类数最低。评价结果表明，使用深度卷积模型和足够的数据量，适当的微调、预处理和迁移学习可以产生有效的分类器来识别多种巴拉科叶病害。这项工作主要有助于不断发展的深度学习领域，特别是帮助农民改善他们的诊断过程，提供一个解决方案，可以自动分类巴拉科叶疾病。

Keywords
Deep learning
Convolutional neural networks
Classification
Leaf disease
Barako coffee

1. Introduction

咖啡产业对全球社会做出了巨大的贡献，在全球范围内成为仅次于原油的第二大贸易商品。
【1】据估计，它种植了150亿棵树，满足了几个国家2500万生产者的需求。在大多数亚洲地区，咖啡产业为许多家庭提供了就业机会，以满足他们的日常需求。在菲律宾，利比里亚咖啡是一种很受欢迎的咖啡变种，被称为Barako。这种广受欢迎的产品具有独特的风味和香气，引起了大多数消费者的兴