Un modelo híbrido ligero de CNN y transformador para la clasificación de enfermedades de las hojas medicinales con IA...

Área de la Ciencia:

• Ciencias Agrícolas Ciencias Agrícolas
• Ciencias de la computación Ciencias de la computación
• Biotecnología La biotecnología es la biotecnología.

Sus antecedentes:

• Las plantas medicinales como Tulsi, Neem y Patharkuchi son vitales para los compuestos bioactivos.
• Las enfermedades de las hojas representan una amenaza significativa para el rendimiento y la calidad fitoquímica de estas plantas.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje profundo eficiente y preciso para identificar enfermedades de las hojas de plantas medicinales.
• Establecer un punto de referencia para la fitopatología de precisión y las prácticas de cultivo sostenible.

Principales métodos:

• Propuso LSeTNet, una ligera red neuronal convolucional híbrida (CNN) con arquitectura de transformador con bloques de apretado y excitación (SE).
• Utilizó técnicas de Inteligencia Artificial Explicable (XAI) como Grad-CAM, LIME y t-SNE para la interpretabilidad del modelo.
• Se llevó a cabo una validación rigurosa que incluye cinco veces la validación cruzada y pruebas externas en el conjunto de datos BD-MediLeaves.

Principales resultados:

• Se logró una precisión del 99,72% y una puntuación macro F1 de 1,00 en 12 clases de enfermedades con parámetros mínimos (9,38 M) y cálculos (2,50 GFLOPs).
• Demostró un rendimiento robusto con una precisión del 99,74% en la validación cruzada y del 99,42% en un conjunto de datos independiente.
• Los métodos XAI confirmaron el enfoque del modelo en las regiones patológicas, y la baja latencia de inferencia (6.98 ms / imagen) permite la implementación de borde en tiempo real.

Conclusiones:

• LSeTNet supera significativamente los modelos existentes, ofreciendo una solución transparente, eficiente y generalizable para la detección de enfermedades vegetales.
• El modelo soporta aplicaciones basadas en el borde en tiempo real, cruciales para el cultivo sostenible de plantas medicinales y la fitopatología de precisión.