通过基于新型注意力机制的卷积神经网络识别果叶病
1School of Intelligence Engineering, Shandong Management University, Jinan, China.
Frontiers in plant science
|November 3, 2023
概括
这项研究引入了一个新的深度学习网络,用于识别果叶病的注意力机制,达到98.7%的准确性. 该模型为果生产中疾病检测提供了卓越的性能和效率.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 准确识别果叶病对于保持作物产量和果生产质量至关重要.
- 现有的疾病检测方法可能耗时,需要专家知识.
研究的目的:
- 开发一种自动化系统,用于早期和准确地检测果叶病.
- 通过一种新的深度学习方法,增强果种植者疾病识别能力.
主要方法:
- 开发了一种新的注意力机制,并与MobileNet v3架构集成.
- 一个深度学习网络被设计和训练在一个精心策划的果叶图像数据集.
主要成果:
- 拟议的深度学习网络在识别果叶病时实现了98.7%的准确性.
- 该模型在准确性,精度,回忆和F1分数方面超过了EfficientNet-B0,ResNet-34和DenseNet-121等已建立的网络.
- 与其他模型相比,该模型显示了较少的参数和较低的计算要求.
结论:
- 开发的基于注意力的深度学习模型显示了对准确有效地识别果叶病的巨大潜力.
- 这项技术可以帮助农民迅速识别疾病,有助于改善果生产结果.
- 该模型的效率和性能表明它可用于更广泛的农业疾病检测场景.
