Gaussian Kernel Fuzzy C-Means (GKFCM) and Correlation Weight Bayesian SqueezeNet (CWBSN) Classifier for Banana Leaf Diseases Diagnosis Using Electrochemical Sensor-Based Image Segmentation and AI Techniques

人工智能 模式识别(心理学) 计算机科学 判别式 加权 支持向量机 模糊逻辑 贝叶斯概率 朴素贝叶斯分类器 分类器(UML) 分割 图像分割 数学 机器学习 特征提取 贝叶斯优化 特征(语言学) 接收机工作特性 核(代数) RGB颜色模型 聚类分析 深度学习 过度拟合 高斯分布 相关性 上下文图像分类 适应性 高斯过程
作者
T. Sangeetha,Mohanapriya M
出处
期刊:Journal of The Electrochemical Society [Institute of Physics]
卷期号:173 (10): 107502-107502
标识
DOI:10.1149/1945-7111/ae67b3
摘要

Bananas are among the most widely cultivated fruits worldwide and constitute a major staple crop in many developing regions. Banana production is highly vulnerable to foliar diseases, which significantly reduce yield and economic sustainability. Early and accurate disease diagnosis plays a central role in mitigating crop losses. This study presents an image-based artificial intelligence framework for banana leaf disease diagnosis using advanced segmentation and deep learning techniques. Gaussian Kernel Fuzzy C-Means (GKFCM) clustering is employed for pixel-level segmentation, enabling precise isolation of diseased regions by preserving nonlinear boundary characteristics and minimizing intra-cluster variance. For disease classification, a Correlation Weight Bayesian SqueezeNet (CWBSN) model is introduced, integrating Bayesian optimization and correlation-aware feature weighting to enhance discriminative representation and classification robustness. The framework is evaluated using RGB images obtained from the BananaLSD dataset and field-acquired imagery collected at Bangabandhu Sheikh MujiburRahman Agricultural University (BSMRAU), Bangladesh. Performance is assessed using accuracy, precision, recall, F1-score, Matthews Correlation Coefficient (MCC), and Receiver Operating Characteristic (ROC) analysis. Experimental results demonstrate that the proposed GKFCM–CWBSN framework achieves reliable and consistent disease recognition based solely on visual symptom analysis. The study establishes a computational foundation for image-driven plant disease diagnosis, with potential adaptability to future multimodal agricultural sensing systems.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
李爱国的应助被richardhipower采纳,获得10
2秒前
3秒前
Hello的应助被TT采纳,获得10
5秒前
望禾完成签到,获得积分10
5秒前
XX完成签到,获得积分10
8秒前
9秒前
handsomeboy完成签到,获得积分10
10秒前
12秒前
137292967发布了新的文献求助10
13秒前
张磊发布了新的文献求助10
13秒前
13秒前
FashionBoy的应助被richardhipower采纳,获得10
13秒前
田様的应助被Cylara采纳,获得10
15秒前
可爱的函函的应助被yuyuyu采纳,获得10
15秒前
16秒前
无助的考拉完成签到,获得积分10
16秒前
16秒前
16秒前
张张发布了新的文献求助10
17秒前
18秒前
K9999K发布了新的文献求助10
18秒前
Lydia发布了新的文献求助10
18秒前
在水一方的应助被zww采纳,获得10
19秒前
华仔的应助被科研通管家采纳,获得10
19秒前
科目三的应助被科研通管家采纳,获得10
19秒前
烟花的应助被科研通管家采纳,获得10
20秒前
秋风的应助被科研通管家采纳,获得10
20秒前
打打的应助被科研通管家采纳,获得30
20秒前
科研通AI2S的应助被科研通管家采纳,获得10
20秒前
隐形曼青的应助被科研通管家采纳,获得10
20秒前
852的应助被科研通管家采纳,获得10
20秒前
领导范儿的应助被科研通管家采纳,获得10
20秒前
生煎包完成签到,获得积分10
20秒前
完美世界的应助被科研通管家采纳,获得10
20秒前
CAOHOU的应助被科研通管家采纳,获得10
21秒前
今后的应助被科研通管家采纳,获得10
21秒前
Julian的应助被时尚凝海采纳,获得30
21秒前
顺顺利利的应助被科研通管家采纳,获得10
21秒前
wanci的应助被科研通管家采纳,获得10
21秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Agyptische Geschichte der 21.30. Dynastie 510
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8192604
求助须知:如何正确求助?哪些是违规求助? 9579105
关于积分的说明 21863529
捐赠科研通 7792211
什么是DOI,文献DOI怎么找? 3436974
关于科研通互助平台的介绍 2560633
邀请新用户注册赠送积分活动 2483864