MAVM-UNet: visión agregada a múltiples escalas MambaU-Net para la detección de plagas del arroz en el campo

Área de la Ciencia:

• Ciencias Agrícolas
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• La producción de arroz está amenazada por las plagas, lo que lleva a la pérdida de rendimiento y problemas ambientales por el uso excesivo de pesticidas.
• La detección precisa de diversas plagas del arroz es un desafío debido a sus formas irregulares, tamaño pequeño y antecedentes complejos.
• La detección eficaz de plagas es crucial para el manejo preciso de plagas y la agricultura sostenible.

Objetivo del estudio:

• Desarrollar un modelo avanzado de aprendizaje profundo para la detección precisa y eficiente de plagas de arrozales.
• Abordar los desafíos planteados por la variabilidad de las plagas y las complejas condiciones de campo en la detección basada en imágenes.
• Proporcionar una base para mejorar las estrategias de seguimiento y control de plagas en el cultivo del arroz.

Principales métodos:

• Se construyó un nuevo modelo de visión agregada multiscala MambaU-Net (MAVM-UNet).
• El modelo incorpora módulos de espacio de estado visual (VSS), VSS multiscala (MSVSS), VSS consciente del canal (CAVSS) y agregación de atención multiscala (MSAA).
• Los módulos CAVSS y MSAA se integraron para capturar características de escala múltiple, detalles de bajo nivel y semántica de alto nivel.

Principales resultados:

• El modelo MAVM-UNet logró un rendimiento superior en comparación con los modelos de última generación en el conjunto de datos IP102.
• El modelo obtuvo una precisión (PA) del 82,07% y una intersección media en la Unión (MIoU) del 81,48%.
• Los resultados experimentales demuestran la eficacia del modelo en la captura de características de plagas de grano fino y de grano grueso.

Conclusiones:

• El modelo MAVM-UNet desarrollado ofrece un avance significativo en la detección automatizada de plagas del arroz.
• Esta tecnología puede orientar un monitoreo y control de plagas más preciso y respetuoso con el medio ambiente en los campos de arroz.
• El estudio proporciona información valiosa para la aplicación de técnicas avanzadas de visión por computadora en el control de plagas agrícolas.