TSSC: un nuevo modelo de aprendizaje profundo para la identificación precisa de enfermedades en hojas de guisante

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la Computación
• Inteligencia Artificial

Sus antecedentes:

• El diagnóstico preciso de enfermedades en las plantas es vital para el rendimiento de los cultivos y la seguridad alimentaria.
• El reconocimiento automático de enfermedades en las hojas de guisante presenta un desafío significativo.

Objetivo del estudio:

• Desarrollar un método de reconocimiento inteligente basado en aprendizaje profundo para diversas enfermedades de las hojas de guisante.
• Abordar el problema del reconocimiento automático de enfermedades en las hojas de las plantas.

Principales métodos:

• Se propuso un nuevo marco de aprendizaje profundo, TSSC.
• Se incorporó un mecanismo de atención de canal de tres vecinos para mejorar la extracción de características.
• Se utilizó un mecanismo complementario de compresión y excitación y un módulo de atención dividida para mejorar la extracción de características clave y reducir la complejidad del modelo.

Principales resultados:

• El modelo TSSC logró una precisión general de clasificación sobresaliente del 99,61 %.
• El modelo propuesto demostró un rendimiento superior en comparación con otros modelos líderes de aprendizaje profundo.

Conclusiones:

• El sistema desarrollado ofrece una solución eficaz para el reconocimiento de imágenes de enfermedades complejas en plantas.
• Los hallazgos tienen implicaciones valiosas para el desarrollo de equipos móviles de detección de enfermedades.