関連する実験動画
Updated: Sep 10, 2025
04:17
DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
Published on: May 10, 2024
868
LiSA-MobileNetV2:米病の正確な分類のためのスウィッシュアクティベーションと注意メカニズムを備えた極めて軽量なディープラーニングモデル
Yongqi Xu1, Dongcheng Li1, Changcheng Li1
1Hunan Engineering and Technology Research Center for Agricultural Big Data Analysis & Decision-making, Hunan Agricultural University, Changsha, China.
Frontiers in plant science
|August 27, 2025
まとめ
新しいモデルであるLiSA-MobileNetV2は スマート農業における米の病気の検出を 強化しています この軽量なコンボリューションニューラルネットワーク (CNN) は,効率的な作物監視のための計算リソースを削減しながら,精度を改善します.
科学分野:
- 農業科学
- コンピュータ・ビジョン
- 人工知能
背景:
- 食品安全のためには 農作物の病気を正確に特定する必要があります
- 軽量コンボリューションニューラルネットワーク (CNN) は効率的ですが,しばしば植物疾患の認識のための機能表現が欠けている.
研究 の 目的:
- 精確で効率的な米病分類のための改善されたMobileNetV2ベースのモデルを開発する.
- スマートな農業アプリケーションのための軽量なCNNの機能表現と分類精度を向上させる.
主な方法:
- ネットワークの簡素化のためにMobileNetV2の逆の残留モジュールを再構築しました.
- Swishのアクティベーション機能を統合し,非線形特性の学習を改善しました.
- 特徴の表現を高めるために,圧縮と刺激の注意メカニズムを組み込みました.
主要な成果:
- LiSA-MobileNetV2は,元のMobileNetV2よりも5.77%のテスト精度を達成しました.
- このモデルはパラメータのサイズ (74.69%) とFLOP (48.18%) を大幅に減少させました.
- 構造の簡素化,スウィッシュの活性化,そして注意力メカニズムが CNNのパフォーマンスを高めました
結論:
- LiSA-MobileNetV2は,高精度でリソース効率の良いソリューションで,リアルタイムで米の病気を検出できます.
- 提案されたモデルは,インテリジェントな農業システムのためのCNNのパフォーマンスを大幅に向上させます.
- このアプローチは,建築の改善と作物の病気の特定のための注意メカニズムを組み合わせる有効性を検証しています.
