使用深度学习算法在树树冠上检测灰尘菌
Bryan Vivas Apacionado1, Tofael Ahamed2
1Graduate School of Science and Technology, University of Tsukuba, 1-1-1 Tennodai, Tsukuba 305-8577, Japan.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
这项研究使用了低成本的摄像头和深度学习来在夜间检测类烟灰菌. YOLOv7实现了最高的准确性,显示了实惠的实时果园疾病监测的潜力.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 烟灰是一种常见的类疾病,阻碍光合作用.
- 早期检测烟尘菌,尤其是小叶子上的菌,是一项挑战.
- 现有的方法通常依赖于昂贵的成像设备.
研究的目的:
- 开发一种具有成本效益的方法,用于在树冠层面检测类烟尘菌.
- 用价格实惠的监控摄像头评估深度学习模型的性能.
- 为了研究夜间图像捕捉,以克服照明挑战.
主要方法:
- 使用了一台低成本的家庭监控摄像头,具有夜视,用于图像采集.
- 采用深度学习模型 (YOLOv5m,YOLOv7,CenterNet) 来检测灰模具.
- 在4200张夜间拍摄图像的数据集上训练和测试模型.
主要成果:
- YOLOv7在夜间检测菌的最高检测准确率 (74.4% mAP).
- 在白天拍摄的图像中,性能显著下降.
- 使用负担得起的摄像头进行夜间检测证明是有效的.
结论:
- 一个具有成本效益的监控摄像头与深度学习 (YOLOv7) 结合,可以在夜间准确地检测类烟灰菌.
- 这种方法为实时果园疾病监测提供了一个有希望的解决方案.
- 让种植者能够有效地识别和管理树冠层面的烟灰菌.
更多相关视频
11:30Automating Citrus Budwood Processing for Downstream Pathogen Detection Through Instrument Engineering
Published on: April 21, 2023
779
09:23Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter spp. Using Conventional PCR on Citrus Leaf Tissue Samples
Published on: June 29, 2018
7.7K
