収穫保護と精密農業のためのDualFusion-CBAM-ストカスティックを使用して,南瓜の葉の病気のAI駆動の検出

科学分野:

• 農業科学 農業科学とは
• コンピュータサイエンス コンピュータサイエンス
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• カボチャの葉の病気の手動検査は遅くて主観的で,効果的な精密農業を妨げています.
• 自動検知は,病気の早期管理と作物収穫の最適化に不可欠です.

研究 の 目的:

• パンプキン葉病の自動分類のための強力なディープラーニングフレームワークを開発する.
• 病気の検出の正確性と効率を現実世界のフィールド条件で向上させる.

主な方法:

• ハイブリッドのディープラーニングアーキテクチャであるDualFusion-CBAM-Stochasticが提案され,DenseNet121とEfficientNetB3.3を統合した.
• このモデルは,特徴の精錬と,改善された汎用化のためのストキャスティック深さの正規化のために,コンボリューションブロック注意モジュール (CBAM) を取り入れています.
• データ増強技術は,5つの疾患カテゴリーにわたる2,000枚の南瓜の葉の画像のデータセットに適用されました.

主要な成果:

• 提案されたモデルは,南瓜葉病のデータセットで96%の分類精度を達成しました.
• アブラーション研究と比較分析は,既存のコンボリューションニューラルネットワーク (CNN) ベースのアプローチと比較して優れたパフォーマンスを示しました.
• このフレームワークは,分類性能,機能解釈能力,モデルの安定性を向上させました.

結論:

• 双重脊椎融合,注意力機構,および規則化技術の相乗効果的統合は,病気の自動診断を大幅に改善します.
• この研究は,農業の画像分析と作物の病気の自動検知のための強力な基盤を提供します.
• 開発されたフレームワークは,南瓜の葉の病気の早期発見のためのスケーラブルで信頼できるソリューションを提供します.