改良型YOLOv12に基づくライチ炭疽病の軽量インテリジェントグレーディング方法

科学分野:

• 農業科学
• コンピュータビジョン
• 人工知能

背景:

• 炭疽病はライチの品質を著しく低下させるため、効率的な検出方法が必要です。
• 手動でのグレーディングは非効率的かつ主観的であり、効果的な品質管理を妨げます。
• 自動選別のためには、正確でありながら軽量なAIモデルの開発が不可欠です。

研究 の 目的:

• ライチ炭疽病の迅速かつ非破壊的な検出とグレーディングのための軽量AIモデルを開発すること。
• 精度と計算複雑性のバランスをとるために、既存の検出フレームワークを改善すること。
• 自動化された収穫後のライチ品質評価のための展開可能なソリューションを提供すること。

主な方法:

• YOLOv12フレームワークに基づいた軽量モデルであるLycheeGuard-Liteを提案しました。
• デプスワイズ分離可能畳み込みとC2PSA注意機構を備えたC3k2_Lightモジュールを組み込みました。
• 特徴抽出を強化し、複雑さを軽減するために重み付き畳み込み戦略（wConv2D）を利用しました。
• 2つのライチ品種と3つの重症度レベルにわたる14,576枚の画像データセットでモデルを評価しました。

主要な成果:

• ライチ炭疽病のmAP50検出精度99.4%を達成しました。
• モデルパラメータを12.8%削減しました（合計2.19M）。
• 計算コストを29.3%削減しました（4.1 GFLOPs）。

結論:

• LycheeGuard-Liteは、ライチ病の自動認識のための高精度かつ計算効率の高いソリューションを提供します。
• 軽量設計により、モデルは収穫後の選別システムでの実用的な展開に適しています。
• この研究は、ライチの品質管理の改善と食品廃棄の削減に役立つ貴重なツールを提供します。