植物病の精密検出のためのインテリジェント・ディープ・ラーニング・アーキテクチャ

科学分野:

• 農業科学
• コンピュータ・ビジョン
• 機械学習

背景:

• 温室植物の病気の検出は,不均等な照明,標的の遮断,混合感染などの課題に直面しています.
• 現代の精密農業では 病気が特定できる 堅牢で正確なシステムが必要です

研究 の 目的:

• 温室効果植物病の高精度検出アルゴリズムを開発する.
• 複雑な環境条件下での既存の方法の限界に対処する.

主な方法:

• 提案されたYOLO野菜アルゴリズムは,改良されたYou Only Look Onceバージョン10 (YOLOv10) に基づいています.
• アダプティブ・ディテール・エンハンスメント・コンボリューション (ADEConv),マルチ・グラニュラリティ・フィーチャー・フュージョン・デテクション・レイヤー (MFLayer),注意力誘導型アダプティブ・フィーチャー・セレクション (AAFS) を備えたインターレイヤー・ダイナミック・フュージョン・ピラミッド・ネットワーク (IDFNet) が組み込まれている.
• 植物病データセット (VDD) を自作して15,000枚の画像で検証した.

主要な成果:

• 平均精度 (mAP) は,0.5のIOUの値で95.6%を達成した.
• ベースラインモデルより6. 4パーセントポイントの改善を示した.
• フレームあたり3.8Mのパラメータと18.6msの推論時間を持つ計算効率を維持しました.

結論:

• YOLO-vegetableは 施設農業における 病気の知性的な検出のための 実践的で効率的な解決策を提供します
• 提案されたモジュールは,微細な特徴の保存,小さな標的のローカライゼーション,および重要な情報の抽出を強化します.
• 疾病管理の改善により,農業における新しい品質の生産力を発展させるのに貢献する.