GEFA-YOLO：グループ強化型フュージョンアテンションによる軽量な雑草検出

科学分野:

• 農業科学
• コンピュータビジョン
• 機械学習

背景:

• 綿花における雑草管理は、収量と品質にとって重要です。
• 既存の雑草検出モデルは、複雑な雑草の形態や環境要因に課題を抱えています。
• モデルにおける現在の注意メカニズムは、パフォーマンスと計算コストのバランスを取る上で限界があります。

研究 の 目的:

• 綿花畑における効率的で正確な雑草検出モデルを開発すること。
• 農業用コンピュータビジョンモデルにおける既存のアテンションメカニズムの限界に対処すること。
• 複雑性を低減しながら特徴表現を強化する新しいアテンションメカニズムを提案すること。

主な方法:

• グループ化畳み込みと局所空間的注意を組み合わせたグループ化強化型フュージョンアテンションメカニズム（GEFA）を提案しました。
• GEFAメカニズムを統合したGEFAY検出モデルを開発しました。
• CottonWeedDet12、VOC、COCOデータセットでモデルを評価しました。

主要な成果:

• GEFAYモデルは、効率性、精度、複雑性の間で良好なバランスを達成しました。
• GEFAは、従来の注意メカニズムと比較して、パラメータ数と計算コストの増加が小さいことを示しました。
• このモデルは検出精度を大幅に向上させ、エッジデバイスへの展開に適しています。

結論:

• GEFAメカニズムは、計算負荷を低減しながら特徴表現を効果的に強化します。
• GEFAYモデルは、精密農業におけるインテリジェントな雑草検出のための実用的でスケーラブルなソリューションを提供します。
• 開発されたシステムは、スマート農業アプリケーションをサポートするエッジデバイス向けのリアルタイム雑草検出機能を提供します。