マルチモダルの融合と注意誘導型軽量ネットワークに基づく高精度の害虫駆除

科学分野:

• スマート農業と持続可能な農業
• 害虫管理における人工知能の応用

背景:

• 伝統的な害虫認識モデルでは 複雑なフィールド条件と単一のデータで 苦労しています
• 農産物の害虫や捕食者を正確に特定することは,食糧安全保障と持続可能な開発にとって極めて重要です.

研究 の 目的:

• 農業の害虫や捕食者に対する 強力な多様式認識の枠組みを開発する.
• 単一モデルの認識システムの限界を克服する

主な方法:

• RGB画像,熱赤外線画像,環境センサーデータを統合する.
• クロスモダルの注意力メカニズムと環境主導のモダルの重み付けを使用します.
• 解き放たれた認識ヘッドを使用し,強固さを高めます.

主要な成果:

• 提案されたモデルは91.5%の精度,89.2%のリコール,90.3%のF1スコア,88.0%のmAP@50を達成し,既存の方法を6%以上上回りました.
• 低光やセンサーの騒音など 困難な状況でも 改善が示されました
• 25.7FPSの推論速度を達成しました 精度と効率のバランスをとります

結論:

• マルチモダルのAIフレームワークは,害虫監視と生物学的制御のための効率的で,インテリジェントで,スケーラブルなソリューションを提供します.
• この技術は農業の生態系における 害虫の精密管理に貢献します
• エッジデバイスでのモデルの性能は,実際の世界の適用性を検証します.