高精度番茄疾病检测使用基于变压器和轻量化纳米细分器
Yufei Liu1, Yihong Song2, Ran Ye3
1College of Information and Electrical Engineering, China Agricultural University, Beijing 100083, China.
Plants (Basel, Switzerland)
|July 14, 2023
概括
本研究介绍了一种优化的NanoSegmenter模型,用于使用人工智能精确检测番茄病. 这种先进的模型实现了高精度和高效率,对于农业应用和食品安全至关重要.
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:
- 越来越多的人工智能和深度学习在农业中的应用凸显了对先进的植物疾病检测方法的需求.
- 番茄病对农业经济效益和食品安全构成重大威胁,需要高精度的检测解决方案.
研究的目的:
- 开发一种高精度的检测模型来检测番茄疾病.
- 在农业环境中优化模型的性能和计算效率.
主要方法:
- 建立一个专门的番茄病图像数据集.
- 使用变压器架构的NanoSegmenter模型的建议.
- 轻量级技术的整合:逆向瓶,量子化和注意力稀缺.
主要成果:
- 纳米细分器模型实现了高性能指标:0.98精度,0.97回忆和0.95mIoU.
- 该模型表现出显著的计算效率,推断速度为37 FPS.
- 实验验证证了该模型在检测番茄病的有效性.
结论:
- 该研究提出了一种有效的AI驱动解决方案,用于高精度检测番茄病.
- 优化的NanoSegmenter模型为未来的农业人工智能研究提供了宝贵的见解和参考.
更多相关视频
09:05Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease
Published on: March 11, 2020
11.7K
06:41High-Throughput Identification of Resistance to Pseudomonas syringae pv. Tomato in Tomato using Seedling Flood Assay
Published on: March 10, 2020
9.7K
