強化されたYOLOv8-ECCIアルゴリズムで,大豆の紫斑病を高精度で検出

科学分野:

• 農業科学
• 植物病理学
• コンピュータ・ビジョン

背景:

• 種子レベルでの病気の検出は 小さなサンプルや閉塞などの課題に直面します
• 現存する方法は 種子に直接感染する病気を 特定する難しさと闘っています

研究 の 目的:

• YOLOv8-ECCIを導入し,精度の高い大豆の紫色の斑点疾患の識別のための強化されたアルゴリズムを導入する.
• 種子レベルでの現在の病気検出技術の限界に対処する.

主な方法:

• YOLOv8アーキテクチャを使用し,ECCIモジュールでパフォーマンスを向上させました.
• YOLOv8-ECCIとベースラインのYOLOv8nモデルを比較した実験を行った.
• アフリカ野生生物のデータセットを使用してクロスデータセットの検証を行いました.

主要な成果:

• YOLOv8- ECCIは,YOLOv8nよりも, +5. 7% の精度, +6. 5% のリコール, +8. 0% の mAP@0. 5,および +7. 1% の mAP@0. 5: 0. 95 を有意に改善しました.
• 優れた汎用性を示し,別々のデータセットで+6.0%の精度と+2.9%のmAP@0.5で従来の方法を上回る.
• 種子レベルでの病理検出の課題を効果的に克服しました.

結論:

• YOLOv8-ECCIは,種子レベルでの紫斑病の検出に強固で正確なソリューションを提供します.
• 強化されたアルゴリズムは,実用的な農場内疾患検出と品質管理の大きな可能性を示しています.
• 検証された一般化能力は,異なるデータセットにおけるモデルの信頼性を確認します.