使用带有内核注意力机制的Resnet50来诊断大米疾病
Mehdhar S A M Al-Gaashani1, Nagwan Abdel Samee2, Rana Alnashwan2
1College of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China.
Life (Basel, Switzerland)
|June 28, 2023
概括
这项研究引入了一种新的AI模型来诊断大米植物疾病,达到98.71%的准确性. 这一进步有望改善农业疾病管理,减少作物产量损失.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 植物病导致全球经济损失很大,大米作物损失了20%至40%的产量.
- 准确及时诊断病对于有效管理和减轻财务影响至关重要.
- 目前的病诊断严重依赖于手工方法,尽管技术进步.
研究的目的:
- 开发和评估一种新的人工智能辅助系统,用于准确地分类米疾病.
- 增强植物病理学深度学习模型的特征提取能力.
- 提高农业疾病诊断和管理的效率和有效性.
主要方法:
- 开发了一个自我注意网络 (SANET),将内核注意机制与ResNet50架构集成在一起.
- 使用注意力模块来捕捉上下文依赖性,并专注于叶图像中的关键特征.
- 在公开可用的米疾病数据集上进行了交叉验证的分类实验.
主要成果:
- 基于注意力的机制有效地引导卷积神经网络 (CNN) 学习歧视性特征.
- 拟议的SANET模型在米疾病分类方面实现了98.71%的高测试准确度.
- 该模型显示性能变化减少,并且表现优于现有的最先进的方法.
结论:
- 开发的SANET模型为人工智能辅助的水疾病诊断提供了高度准确和可靠的解决方案.
- 这些发现强调了人工智能的潜力,特别是注意力机制,可以彻底改变农业疾病管理.
- 广泛采用这些人工智能工具可以显著提高农业部门的效率和有效性.
