在分类过程中,基于SSD的高精度朱病点检

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 自动分类朱需要高吞吐量和精确的疾病检测.
• 目前的算法与密集,多样化和局部化不良的疾病斑点作斗争.

研究的目的:

• 开发一种改进的自动化方法,用于准确地识别朱病的斑点.
• 提高用于农业生产的朱中疾病检测的精度和效率.

主要方法:

• 基于单射式多盒探测器 (SSD) 网络的拟议JujubeSSD方法.
• 利用各种数据集进行人工收集和数据增强.
• 集成可变形卷积网络 (DCN),路径聚合特征金字塔网络 (PAFPN) 和平衡特征金字塔 (BFP) 进入SSD模型.
• 员工转移学习以实现更快的检测 (0.14秒).

主要成果:

• 朱珠SSD实现了97.1% (mAP@0.5) 的平均精度.
• 与现有算法相比显著改进:比YOLOv5有16.84%和比Faster R-CNN有8.61%.
• 每个点的检测时间为0.14秒.

结论:

• 朱朱贝SSD为朱朱贝病的点检提供了卓越的性能.
• 该方法符合农业生产中的实际应用要求.
• 集成先进的深度学习技术可以提高检测的准确性和速度.