Un marco convolucional ligero aumentado con atención para la clasificación de enfermedades de hojas de plantas de grano fino | JoVE Visualize

Área de la Ciencia:

Ciencias de la Computación
Inteligencia Artificial
Aprendizaje Automático

Sus antecedentes:

Los modelos de aprendizaje profundo como las CNN y los transformadores son cruciales para la clasificación de imágenes.
Los transformadores han mostrado una precisión impresionante, pero a menudo requieren recursos computacionales sustanciales.
Existe la necesidad de modelos de aprendizaje profundo eficientes para su implementación en dispositivos con recursos limitados.

Objetivo del estudio:

Proponer un modelo CNN novedoso y ligero llamado Attentive and Lightweight Network (ALNet).
Lograr una alta precisión de clasificación para las enfermedades de las hojas de las plantas minimizando los parámetros y el tamaño del modelo.
Facilitar la implementación de modelos precisos de predicción de enfermedades en plataformas en la nube y dispositivos de borde.

Principales métodos:

Desarrolló una arquitectura CNN ligera personalizada (ALNet) que comprende bloques de tallo, núcleo y cabeza.
El clasificador central se inspiró en modelos establecidos como ResNet, SENet, EfficientNet, SqueezeNet y ShuffleNet.
Evaluó ALNet utilizando validación cruzada de 5 pliegues en conjuntos de datos de vid, manzana y cereza.

Principales resultados:

ALNet logró una precisión del 99,78 % en la clasificación multiclase de la vid y del 100 % en la clasificación binaria.
Logró una precisión del 99,95 % en la clasificación multiclase de la manzana y del 100 % en la clasificación binaria de la cereza.
ALNet utiliza solo 0,17 millones de parámetros, es 18 veces más pequeño que SqueezeNet, requiere 151,98 MFLOPs y se entrena 1,2-2,2 veces más rápido por época.

Conclusiones:

ALNet demuestra una alta precisión en la predicción de enfermedades de las hojas de las plantas.
La naturaleza ligera del modelo y el reducido recuento de parámetros lo hacen adecuado para dispositivos de borde y implementación en la nube.
ALNet ofrece un equilibrio convincente entre rendimiento y eficiencia para aplicaciones agrícolas.