DSTANet: フィールド環境におけるトウモロコシ葉病の細粒度および早期発見のための軽量で高精度のネットワーク

科学分野:

• 農業科学
• コンピュータ・ビジョン
• 人工知能

背景:

• 持続可能な農業には,トウモロコシの病気を正確に特定することが不可欠です.
• 現存するモデルでは 類似した病気の表情や 症状の多様性や 早期発見が困難です

研究 の 目的:

• トウモロコシの葉の病気を早期に正確に特定するための軽量で高性能なモデルを開発する.
• クラス間の類似性とクラス内の変動性に関する現在のモデルの限界に対処する.

主な方法:

• 提案されているDSTANet (分解された空間トークン集積ネットワーク) は,MobileViTのバックボーンを使用しています.
• 病変の局所化を強化するために,分解された空間融合モジュール (DSFM) が導入されました.
• マルチスケールトークンアグリゲーター (MSTA) が開発され,機能情報フローが改善されました.

主要な成果:

• DSTANetは高精度 (96.11%),精度 (96.17%),リコール (96.11%),F1スコア (96.14%) を達成した.
• このモデルは軽量で (1.9Mパラメータ) 迅速な推論 (170画像/秒),エッジデバイスに適しています.
• 特定のトウモロコシの病気の早期と後期を成功裏に区別しました.

結論:

• DSTANetは,小粒子の初期段階のトウモロコシの病気を特定するための新しい実用的な解決策を提供します.
• このモデルは,スマートな農業と精密作物管理のための技術的サポートを提供します.
• 農業の病気の検出のためのCNNと変圧器の組み合わせの有効性を実証しました.