用智能手机基于深度学习系统实时检测和分类果实作物上的背脊:初步结果
Gildas Niyigena1, Sangjun Lee2, Soonhwa Kwon3
1Department of Smart Agricultural System, Chungnam National University, Daejeon 34134, Republic of Korea.
Insects
|June 27, 2023
概括
这项研究引入了一个使用深度学习的智能手机系统,以实时检测入侵性害虫Scirthothrips dorsalis (thrips). 该系统为农民提供了一种具有成本效益和准确的解决方案,以保护水果作物.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 刺 (Scirthothrips dorsalis) 是一种主要的侵入性昆虫害虫,对全球水果生产造成了相当大的经济损害.
- 目前的三合症检测方法可能是劳动密集型和耗时的,阻碍了快速响应.
- 早期检测对于有效的害虫管理和最大限度地减少作物损失至关重要.
研究的目的:
- 开发和评估基于深度学习的系统,用于实时检测和分类Scirthothrips dorsalis.
- 创建一个移动应用程序,用于现场检测虫,帮助农民进行害虫管理.
- 评估各种深度学习模型对于这个特定应用的性能.
主要方法:
- 评估包括YOLOv5,更快的R-CNN,SSD MobileNetV2和EfficientDet-D0.0在内的深度学习模型.
- 将EfficientDet-D0模型集成到智能手机应用程序中,用于移动部署.
- 在不同的照明条件下捕获的数据集上测试系统,并开发传导度照明设置.
主要成果:
- EfficientDet-D0模型实现了93.3%的准确性,推断时间为76毫秒.
- 移动应用程序的内存空间很小 (13.5 MB),并且可以离线运行.
- 开发了一种透射照明设置,以提高在低于最佳照明条件下的检测准确性.
结论:
- 拟议的深度学习系统提供了一个具有成本效益和高效的工具,用于实时检测Scirtothripsdorsalis.
- 移动应用程序赋予农民立即识别害虫的能力,促进及时干预.
- 这项技术为水果作物保护和生态系统健康提供了显著的好处.
