SLMW-Netに基づくUAVの遠隔感知画像における松病の検出
Xiaoli Yuan1, Guoxiong Zhou1, Yongming Yan1
1Institute of Artificial Intelligence Application, Central South University of Forestry and Technology, Changsha 410004, China.
Plants (Basel, Switzerland)
|August 28, 2025
まとめ
新しいモデルであるSLMW-Netは 先進的なUAV画像分析を使用して 松の枯れ病を早期に検出します この自動化されたアプローチにより 森林の監視が改善され 破壊的な松木線虫から 生態系を保護できます
科学分野:
- 林業と生態学
- リモートセンシング
- 人工知能
背景:
- 松の樹木ネマトードによって引き起こされる松の枯れ病は,森林の生態系に対する世界的な脅威です.
- 迅速な検出と除去は 病気の広範囲にわたる感染を防ぐために不可欠です
- 現在のUAVベースの検出方法は,複雑な背景,微妙な特徴の抽出,予測バイアスの課題に直面しています.
研究 の 目的:
- UAVの遠隔感知を用いた松の枯れ病の早期発見のための自動化されたシステムを開発する.
- 既存の検出課題を克服するために設計された新しいディープラーニングモデル,SLMW-Netを導入する.
- 松の枯れ病の検出モデルを訓練し評価するための専門データセット"ARen"を作成する.
主な方法:
- 自己学習機能抽出モジュール (SFEM) とマイクロ機能注意メカニズム (MFAM) を含むSLMW-Netモデルの開発.
- モデルの学習と一般化を高めるために,加重および線形スケールIOU損失 (WLIoU Loss) を導入する.
- 新しく作成されたARenデータセットに関するSLMW-Netのトレーニングと検証,そのパフォーマンスを既存の7つの方法と比較する.
主要な成果:
- SLMW-Netは,ARenデータセットの他の7つの方法と比較して優れた性能を達成しました.
- このモデルは86.7%のmAP@0.5と40.1%のmAP@0.5:0.95を達成しました.
- SLMW-Netは,バックボーンモデルと比較して,mAP@0.5が83.9%から86.7%に増加した.
結論:
- 提案されたSLMW-Netは,UAVベースの松病の検出における主要な課題に効果的に取り組んでいます.
- 特徴抽出と注意力メカニズムにおけるモデルの能力は 病気の早期発見を促進します
- SLMW-Netは 病気のモニタリングを改善することで 森林の健康を保護し 生態学的バランスを維持するための 強力な解決策を提供します
