微小画像を用いた改良されたYOLOv5に基づく小型の標的菌小胞の検出のためのインテリジェントな方法

科学分野:

• 農業科学
• 菌類学
• コンピュータビジョン

背景:

• 菌類病は小麦生産に重大な経済的損失をもたらします.
• 病原性小麦胞子の正確な検出は,収穫後の汚染の評価と早期警告に不可欠です.
• 従来の胞子検出方法は遅くて 労働密集的で 小さなサンプルや複雑なサンプルで 苦労します

研究 の 目的:

• 様々な病原性の小麦胞子を検出するための迅速で正確なアルゴリズムを開発する.
• 複雑な環境で小さな 不規則な形状の真菌胞子の検出を 改善するためです
• 収穫後の汚染リスク評価と小麦の早期警告システムを強化する.

主な方法:

• 注目スケールシーケンスの融合 (ASF) とモバイルビジョントランスフォーマー (MobileViT) を統合した新しいYOLO-ASF-MobileViT検出アルゴリズムを提案した.
• 病原性小麦胞子4種:フサリウム・グラミネアラム,アスペルギルス・フラブス,ティレチア・フェチダ (スポリジウム・マチュラム),ティレチア・フェチダ (スポリジウム・イマチュラム) を利用した.
• ASFとMobileViTを使用して,小さな胞子とマルチスケールの情報融合のための機能抽出を強化しました.

主要な成果:

• YOLO-ASF-MobileViTモデルは,既存の検出器を上回る97.0%の高いmAP@0.5を達成しました.
• ベースラインのYOLOv5sモデルと比較して平均検出精度は1. 6%改善しました.
• 小型のアスペルギルス・フラブス胞子の検出は4. 3%から90. 8%に大幅に改善され,困難な条件下でも頑丈であることが示されました.

結論:

• YOLO-ASF-MobileViTアルゴリズムは,病原性の小麦菌胞子の効率的かつ正確な検出を提供します.
• この技術は,収穫後の管理と汚染警告システムの改善をサポートします.
• モデルが頑丈であるため 複雑な農業環境での実用化に適しています